搜尋意圖： 如果你在找「序數編碼 是什麼」或「序數編碼 和相近概念差在哪」，先看這頁的短定義、完整說明與延伸比較。
TL;DR： 將類別型特徵依照其固有順序轉換為整數的編碼方式，保留類別間的大小關係。
實用情境： 適合用在閱讀 AI 文章、產品文件或和同事討論時，先用一頁快速對齊概念。
下一步： 先讀完定義，再往下看延伸比較與對應工具，把概念轉成實際應用。
將類別型特徵依照其固有順序轉換為整數的編碼方式，保留類別間的大小關係。
序數編碼（Ordinal Encoding）是機器學習資料預處理中用於處理類別特徵的重要方法之一。其核心概念是：當類別特徵的各個值之間存在明確的大小或順序關係時，用能夠反映此順序的整數來代替原始類別標籤，讓演算法能夠感知並利用這種排序資訊。
最典型的序數型特徵例子包括：教育程度（國小 < 國中 < 高中 < 大學 < 研究所）、產品品質評級（差 < 普通 < 良好 < 優秀）、問卷的滿意度量表（非常不滿意 < 不滿意 < 普通 < 滿意 < 非常滿意）、衣服尺寸（XS < S < M < L < XL < XXL）等。對於這類具有內在順序的特徵，序數編碼能夠有效地將其語意保留在數值表示中。
序數編碼的實作相對簡單，通常透過建立一個對應字典（Mapping Dictionary），例如 {「差」: 0, 「普通」: 1, 「良好」: 2, 「優秀」: 3}，將每個類別值替換為對應的整數。在 Python 的 scikit-learn 中，OrdinalEncoder 類別提供了標準化的實作，可以透過 categories 參數指定每個特徵的類別順序，確保編碼結果與業務語意一致。
理解序數編碼與其他類別編碼方法的差異至關重要。與獨熱編碼（One-Hot Encoding）相比，序數編碼不會增加特徵維度，對記憶體和計算資源更友好，但要求類別間確實存在順序關係。若對沒有固定順序的名義型特徵（Nominal Feature，如顏色、城市名稱）使用序數編碼，會人為賦予這些類別一種不存在的大小關係，可能誤導模型學習到錯誤的規律。
標籤編碼（Label Encoding）與序數編碼在形式上非常相似，兩者都是將類別映射為整數，但語意上有重要差異。標籤編碼通常用於目標變數（Y），且不保證映射的整數順序有意義。序數編碼則專門用於輸入特徵，且映射的整數順序需要嚴格對應業務中的順序邏輯。
在模型選擇上，序數編碼後的特徵對基於樹的模型（決策樹、隨機森林、XGBoost、LightGBM）效果最為直接，因為這類模型通過閾值分裂來利用特徵的相對大小，能夠自然地處理序數型數值。對於線性模型，序數編碼隱含了類別間等距的假設（例如「差到普通」的差距 = 「普通到良好」的差距），若類別間距並不均等，這個假設可能降低模型效果，此時可能需要進一步處理或採用其他編碼方式。
在 iPAS AI 應用規劃師的考試中，序數編碼通常出現在特徵工程與資料預處理的題目中，考題可能要求考生區分序數型與名義型特徵的編碼策略，或判斷在特定場景下應選擇哪種編碼方法。熟悉序數編碼的適用條件、優缺點，以及與獨熱編碼和標籤編碼的差異，是應對這類題目的關鍵。 序數編碼（Ordinal Encoding）是機器學習特徵工程中處理類別型變數的方法之一，將具有自然排序關係的類別特徵映射為整數，保留類別之間的順序資訊。
序數編碼最適合具有明確大小關係的類別特徵，例如教育程度（小學=1, 國中=2, 高中=3, 大學=4, 研究所=5）、商品評分（差=1, 尚可=2, 普通=3, 好=4, 非常好=5）、衣服尺碼（XS=1, S=2, M=3, L=4, XL=5）。在這些情況下，整數編碼正確反映了類別之間的順序關係，讓模型能從排序中學習有意義的特徵。
序數編碼與獨熱編碼（One-Hot Encoding）的選擇是特徵工程的重要決策點。獨熱編碼將每個類別轉為二元向量，適合無序類別（如國家名稱、顏色）；序數編碼適合有序類別，且不增加特徵維度（高基數類別用獨熱編碼會造成維度爆炸）。然而，對於名義類別（如台北、台中、高雄），錯誤使用序數編碼會讓模型誤以為城市之間有大小關係，可能引入假的特徵資訊。
對於沒有自然順序的高基數類別特徵，目標編碼（Target Encoding）是有力替代：用每個類別對應的目標變數平均值替代類別標籤，既保留預測信號，又不增加維度。但目標編碼容易過擬合，需要搭配交叉驗證或平滑化技術使用。
在決策樹和隨機森林中，序數編碼和獨熱編碼的效果差異較小，因為樹模型本身通過分裂尋找最佳閾值，能處理任意數值特徵。但在線性模型和距離基礎算法中，序數編碼的值大小具有實際意義，必須確保排序正確反映類別的真實關係。
scikit-learn 的 OrdinalEncoder 允許用戶指定每個特徵的類別順序，確保編碼符合業務邏輯。
常見問題
什麼時候應該用序數編碼，什麼時候用獨熱編碼？
選擇編碼方式的關鍵在於判斷特徵值之間是否存在固有的順序關係。如果特徵是序數型的（Ordinal），也就是類別之間有明確的大小或等級關係（如教育程度、產品評級、溫度等級），應優先考慮序數編碼，它能保留這種排序資訊，且不增加特徵維度。如果特徵是名義型的（Nominal），類別之間只有區別而沒有大小關係（如城市名稱、顏色、職業類別），則應使用獨熱編碼，避免模型誤解數值大小代表某種優劣。對於高基數（High Cardinality）的名義型特徵（如有數百種類別的地區代碼），獨熱編碼會大幅增加維度，此時可考慮目標編碼（Target Encoding）或雜湊編碼（Hashing）。
序數編碼是否保證每個等級之間的差距相等？
序數編碼在數學表示上預設了等距假設，也就是將類別映射為 0、1、2、3 時，暗示了相鄰等級之間的差距相同。然而在現實中，這個假設未必成立。以客戶滿意度為例，從「非常不滿意」到「不滿意」的改善幅度，與從「滿意」到「非常滿意」的改善幅度在業務意義上可能並不相等。這種等距假設的問題在線性模型中尤為明顯，可能影響模型的學習效果。基於樹的模型（如決策樹、隨機森林）對此不敏感，因為它們只關注相對大小而非絕對差距。如果序數特徵的等級間距不均勻，可以考慮根據業務知識手動指定更合適的數值映射，而非一律使用連續整數。
若測試集出現訓練集中未見過的類別值，序數編碼該如何處理？
這是類別編碼在生產環境中常見的挑戰，被稱為「未知類別問題（Unseen Category Problem）」。序數編碼在遇到未知類別時，通常有幾種處理策略。第一是設定一個預設的「未知」整數值（如 -1 或其他超出已知範圍的值），讓模型知道這是一個不在訓練範圍內的新類別。第二是在資料收集和特徵設計階段預先加入「其他」這個類別，讓所有未知值都對應到這個已定義的編碼。第三是使用 scikit-learn OrdinalEncoder 的 handle_unknown 參數，設定為 'use_encoded_value' 並指定 unknown_value 來統一處理未知值。最佳做法是在特徵設計初期就考慮這個問題，而非等到部署後才被動應對。