在数据分析与机器学习领域，`sklearn.preprocessing.LabelEncoder()` 是一款非常实用的小工具。它能将分类变量转换为数值形式，方便模型处理。当我们使用 `encoder.fit(y)` 时，实际上是在训练 LabelEncoder 对象，使其学会如何映射原始类别到整数值。🔍

首先，确保你的数据已经清洗完毕，无缺失值且格式正确。接着，初始化 LabelEncoder 实例：`from sklearn.preprocessing import LabelEncoder; encoder = LabelEncoder()`。然后，调用 `.fit()` 方法对目标变量进行编码：`encoder.fit(y)`。此时，LabelEncoder 会自动为每个唯一类别分配一个唯一的整数标签。✨

例如，对于 `['cat', 'dog', 'mouse']`，可能会被编码为 `[0, 1, 2]`。之后，通过 `.transform()` 方法即可将新数据集快速转换为相同的数值表示！这种方法尤其适合处理监督学习中的分类问题。💡

记住，LabelEncoder 并不适合直接用于特征工程，更适合标签预处理哦！📚

Python Sklearn 机器学习 数据科学