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
Zero_to_zero12347 分钟前
NVSpeech_170k 数据集音频提取处理
人工智能·音视频
花酒锄作田20 分钟前
[MCP][01]简介与概念
python·llm·mcp
Python私教23 分钟前
Django全栈班v1.04 Python基础语法 20250912 上午
后端·python·django
言之。25 分钟前
Django REST框架:ModelViewSet全面解析
数据库·python·django
聚集的流星36 分钟前
大模型提示词工程调优
人工智能
Pocker_Spades_A1 小时前
Python快速入门专业版(二十六):Python函数基础:定义、调用与返回值(Hello函数案例)
开发语言·python
东方佑1 小时前
从音频到Token:构建原神角色语音识别模型的完整实践
人工智能·音视频·语音识别
周周记笔记1 小时前
学习笔记:Python的起源
开发语言·python
dlraba8021 小时前
基于 OpenCV 与 SIFT 算法的指纹识别系统实现:从匹配到可视化
人工智能·opencv·计算机视觉
shizidushu1 小时前
Hugging Face NLP课程学习记录 - 3. 微调一个预训练模型
人工智能·学习·自然语言处理·微调·huggingface