我正在使用 Spark 的机器学习库，并且功能是分类的。特征是字符串，Spark 的 MLlib（与许多其他机器学习库一样）不接受字符串作为输入。

克服这个问题的正常过程是将字符串转换为整数，然后对这些整数进行编码（例如使用 onehotencoder），因为转换为整数意味着特征之间存在排序。

我的问题是——分类特征总是需要编码吗？在什么情况下可以使用整数而不是编码？

我正在使用逻辑回归和朴素贝叶斯。当使用整数作为特征时，我得到 84% 的准确率，当这些整数被编码时，我得到 82% 的准确率。

有必要编码吗？