我有一個關(guān)于函數(shù) LabelEncoder().fit_transform 的理論問題。我在分類應(yīng)用程序中使用函數(shù)/方法。它運(yùn)行良好。       #Import        from sklearn.preprocessing import LabelEncoder        #Transform original values by encoded labels        df_data = df_data.apply(LabelEncoder().fit_transform)但是，在文檔“sklearn.preprocessing.LabelEncoder”中有：“這個轉(zhuǎn)換器應(yīng)該用于編碼目標(biāo)值，即 y，而不是輸入 X”。我在數(shù)據(jù)框中應(yīng)用這種方法。數(shù)字輸入變量 (X) 和分類輸出變量 (y)。我想在 X 中應(yīng)用將目標(biāo)變量轉(zhuǎn)換為數(shù)值類型，我想在 y 中應(yīng)用來處理不同輸入變量源之間的量級問題。這種態(tài)度正確嗎？是否有另一個函數(shù)可以代替 LabelEncoder().fit_transform 用于輸入變量？謝謝