sklearn.preprocessing 的 LabelEncoder 类来对标签进行编码讲解

假设我们有一个标签数据集,它包含了一些文本类别标签,如下所示:

复制代码
labels = ['cat', 'dog', 'cat', 'bird', 'dog', 'bird']

我们希望将这些文本标签转换成数值,以便机器学习模型可以处理。`LabelEncoder` 就是用来做这个转换的工具。下面是使用 `LabelEncoder` 转换标签的过程:

  1. 首先,我们创建 `LabelEncoder` 的一个实例:
复制代码
from sklearn import preprocessing
le = preprocessing.LabelEncoder()
  1. 然后,我们将这个实例拟合到我们的标签数据 上:fit 方法会扫描整个 labels 数组或序列,识别出所有的唯一标签。
复制代码
le.fit(labels)

此时,`LabelEncoder` 会检查所有的标签,并创建一个映射,将每个唯一的标签映射到一个整数。在这个例子中,映射关系可能如下:

  • 'bird' -> 0

  • 'cat' -> 1

  • 'dog' -> 2

  1. 接下来,我们使用 `LabelEncoder` 将原始标签转换成整数:
复制代码
label_numbers = le.transform(labels)
print(label_numbers)

这将输出:

1 2 1 0 2 0

如你所见,文本标签 'cat'、'dog' 和 'bird' 被转换成了整数 1、2 和 0。
值得注意的是,`LabelEncoder` 会按照它们第一次出现的顺序给标签分配数字。在这个例子中,'cat' 是第一个出现的,所以它被分配了数字 1;'dog' 是第二个出现的,所以它被分配了数字 2;'bird' 是第三个出现的,所以它被分配了数字 0。
此外,`LabelEncoder` 还可以用来逆转换,即将整数标签再转换回原始的文本标签。例如:

复制代码
original_labels = le.inverse_transform(label_numbers)
print(original_labels)

这将输出:

'cat' 'dog' 'cat' 'bird' 'dog' 'bird'

这样,我们就可以将模型预测的整数标签转换回人类可读的文本标签。

完整代码:

复制代码
from sklearn import preprocessing
le = preprocessing.LabelEncoder()
labels = ['cat', 'dog', 'cat', 'bird', 'dog', 'bird']
le.fit(labels)
label_numbers = le.transform(labels)
print(label_numbers)
original_labels = le.inverse_transform(label_numbers)
print(original_labels)
相关推荐
花好月圆春祺夏安5 分钟前
基于odoo17的设计模式详解---装饰模式
数据库·python·设计模式
kyle~13 分钟前
计算机视觉---RealSense深度相机技术
人工智能·数码相机·计算机视觉·机器人·嵌入式·ros·传感器
碣石潇湘无限路1 小时前
【AI篇】当Transformer模型开始学习《孙子兵法》
人工智能·学习
看到我,请让我去学习1 小时前
OpenCV开发-初始概念
人工智能·opencv·计算机视觉
汀沿河1 小时前
8.1 prefix Tunning与Prompt Tunning模型微调方法
linux·运维·服务器·人工智能
陈敬雷-充电了么-CEO兼CTO1 小时前
大模型技术原理 - 基于Transformer的预训练语言模型
人工智能·深度学习·语言模型·自然语言处理·chatgpt·aigc·transformer
学术 学术 Fun1 小时前
✨ OpenAudio S1:影视级文本转语音与语音克隆Mac整合包
人工智能·语音识别
萧鼎2 小时前
深度探索 Py2neo:用 Python 玩转图数据库 Neo4j
数据库·python·neo4j
华子w9089258592 小时前
基于 Python Django 和 Spark 的电力能耗数据分析系统设计与实现7000字论文实现
python·spark·django
风铃喵游2 小时前
让大模型调用MCP服务变得超级简单
前端·人工智能