python:sklearn 标签编码(LabelEncoder)
参考:https://blog.csdn.net/weixin_45875105/article/details/107818766python sklearn 编码(one-hot,标签编码)https://www.cnblogs.com/sench/p/10134094.htmlsklearn.preprocessing.LabelEncoder的使用https://scikit-learn.
参考:
https://blog.csdn.net/weixin_45875105/article/details/107818766 python sklearn 编码(one-hot,标签编码)
https://www.cnblogs.com/sench/p/10134094.html sklearn.preprocessing.LabelEncoder的使用
https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.LabelEncoder.html 官方解释
1. 准备好数据,使用LabelEncoder对数据集进行编码
- 方法1:fit、transform
enc=preprocessing.LabelEncoder() #获取一个LabelEncoder
enc=enc.fit(['小猫','小狗','兔子']) #训练LabelEncoder
data=enc.transform(data) #使用训练好的LabelEncoder对原数据进行编码
- 方法2:fit_transform
enc=preprocessing.LabelEncoder() #获取一个LabelEncoder
data=enc.fit_transform(data)
- 代码示例:
from sklearn import preprocessing
data=['小猫','小猫','小狗','小狗','兔子','兔子'] #准备好数据
#方法1:
enc=preprocessing.LabelEncoder() #获取一个LabelEncoder
enc=enc.fit(['小猫','小狗','兔子']) #训练LabelEncoder
data=enc.transform(data) #使用训练好的LabelEncoder对原数据进行编码
#方法2:
#enc=preprocessing.LabelEncoder() #获取一个LabelEncoder
#data=enc.fit_transform(data)
print(data) #输出编码后的数据
输出:[2 2 1 1 0 0]
根据结果可以看到, LabelEncoder将:小猫编码成2,小狗编码成2,兔子编码成0
2. 根据编码后的类别,反向推导出编码前对应的原始标签
方法:inverse_transform
#根据编码后的类别,反向推导出编码前对应的原始标签
print(enc.inverse_transform([0,1,2]))
输出:['兔子' '小狗' '小猫']
根据输出结果可以看到,0对应兔子,1对应小狗,2对应小猫
更多推荐
所有评论(0)