机器学习中的标签编码

标签编码是机器学习中最常用的技术之一。它用于将分类数据转换为数字形式。因此，数据可以拟合到模型中。

让我们了解为什么我们使用标签编码。想象一下，数据包含字符串 形式的基本列。但是，您无法将这些数据放入模型中，因为建模仅适用于数值数据，我们该怎么办？这是一种挽救生命的技术，当我们准备好数据进行拟合时，它会在预处理步骤中进行评估，这就是标签编码.

我们将使用scikit-learn库中的iris数据集来了解标签编码器的工作原理。确保您安装了以下库。

pandas
scikit-learn

要安装为库，请运行以下命令：

$ python install -u pandas scikit-learn

现在打开 google colab notebook，开始编码和学习 label encoder。

让我们编码吧

• 首先导入以下库：

import pandas as pd
from sklearn import preprocessing

• 导入iris数据集，并初始化以供使用：

from sklearn.datasets import load_iris
iris = load_iris()

• 现在，我们需要选择我们想要的数据编码，我们将对鸢尾花的物种名称进行编码。

species = iris.target_names
print(species)

输出：

array(['setosa', 'versicolor', 'virginica'], dtype='




让我们实例化来自预处理的类labelencoder：



label_encoder = preprocessing.labelencoder()





现在，我们准备使用标签编码器来拟合数据：



label_encoder.fit(species)




你将输出类似这样的内容：



如果得到此输出，则说明您已成功拟合数据。但是，问题是如何找出分配给每个物种的值以及分配的顺序。

标签编码器适合数据的顺序存储在classes_属性中。编码从0开始到data_length-1.

							

								
								

									智能网站优化SiteSEO1.52
									
系统易学易懂，用户只需会上网、不需学习编程及任何语言，只要使用该系统平台，只要会打字，即可在线直接完成建站所有工作。本程序适合不懂php环境配置的新手用来在本机调试智能SiteSEO网站优化软件，安装过程极其简单。您的网站地址：http://localhost您的网站后台：登录地址： http://localhost/admin.php密 码： admin服务器套件所包含的软件：nginx-0.7
								
								下载 
							
						

label_encoder.classes_




输出：


array(['setosa', 'versicolor', 'virginica'], dtype='



标签编码器会自动对数据进行排序，并从左侧开始编码。这里：


setosa -> 0
versicolor -> 1
virginica -> 2





现在，让我们测试一下拟合的数据。我们将改造山鸢尾品种。



label_encoder.transform(['setosa'])




输出：数组([0])

再说一次，如果你改造维吉尼亚币。


label_encoder.transform(['virginica'])




输出：数组([2])

您还可以输入物种列表，例如["setosa", "virginica"]

scikit learn 标签编码器文档 >>>