【Scikit-Learn 中文文档】预测目标 (y) 的转换

中文文档: http://sklearn.apachecn.org/cn/stable/modules/preprocessing_targets.html

英文文档: http://sklearn.apachecn.org/en/stable/modules/preprocessing_targets.html

官方文档: http://scikit-learn.org/stable/

GitHub: https://github.com/apachecn/scikit-learn-doc-zh（觉得不错麻烦给个 Star，我们一直在努力）

贡献者: https://github.com/apachecn/scikit-learn-doc-zh#贡献者

关于我们: http://www.apachecn.org/organization/209.html

4.8. 预测目标 (y) 的转换

4.8.1. 标签二值化

LabelBinarizer 是一个用来从多类别列表创建标签矩阵的工具类:

>>>

>>> from sklearn import preprocessing>>> lb = preprocessing.LabelBinarizer()>>> lb.fit([1, 2, 6, 4, 2])LabelBinarizer(neg_label=0, pos_label=1, sparse_output=False)>>> lb.classes_array([1, 2, 4, 6])>>> lb.transform([1, 6])array([[1, 0, 0, 0],       [0, 0, 0, 1]])

对于多类别是实例，可以使用 MultiLabelBinarizer:

>>>

>>> lb = preprocessing.MultiLabelBinarizer()>>> lb.fit_transform([(1, 2), (3,)])array([[1, 1, 0],       [0, 0, 1]])>>> lb.classes_array([1, 2, 3])

4.8.2. 标签编码

LabelEncoder 是一个可以用来将标签规范化的工具类，它可以将标签的编码值范围限定在[0,n_classes-1]. 这在编写高效的Cython程序时是非常有用的. LabelEncoder 可以如下使用:

>>>

>>> from sklearn import preprocessing>>> le = preprocessing.LabelEncoder()>>> le.fit([1, 2, 2, 6])LabelEncoder()>>> le.classes_array([1, 2, 6])>>> le.transform([1, 1, 2, 6])array([0, 0, 1, 2])>>> le.inverse_transform([0, 0, 1, 2])array([1, 1, 2, 6])

当然，它也可以用于非数值型标签的编码转换成数值标签（只要它们是可哈希并且可比较的）:

>>>

>>> le = preprocessing.LabelEncoder()>>> le.fit(["paris", "paris", "tokyo", "amsterdam"])LabelEncoder()>>> list(le.classes_)['amsterdam', 'paris', 'tokyo']>>> le.transform(["tokyo", "tokyo", "paris"])array([2, 2, 1])>>> list(le.inverse_transform([2, 2, 1]))['tokyo', 'tokyo', 'paris']

中文文档: http://sklearn.apachecn.org/cn/stable/modules/preprocessing_targets.html

英文文档: http://sklearn.apachecn.org/en/stable/modules/preprocessing_targets.html

官方文档: http://scikit-learn.org/stable/

GitHub: https://github.com/apachecn/scikit-learn-doc-zh（觉得不错麻烦给个 Star，我们一直在努力）

贡献者: https://github.com/apachecn/scikit-learn-doc-zh#贡献者

关于我们: http://www.apachecn.org/organization/209.html

有兴趣的们也可以和我们一起来维护，持续更新中 。。。

机器学习交流群: 629470233