大家好，又见面了，我是全栈君，今天给大家准备了Idea注册码。
类别型特征原始输入通常是字符串形式，除了决策树等少数模型能直接处理字符串形式的输入，对于逻辑回归、支持向量机等模型来说，类别型特征必须经过处理转换成数值型。Sklearn中提供了几个转换器来处理文本属性，下面将总结LabelEncode(序号编码)、OneHotEncoder(独热编码)和LabelBinarizer(二进制编码)转换器用法
1. 类图结构
2. LabelEncode用法
官方文档：https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.LabelEncoder.html
示例：
labels = [1,2,2,6] le = LabelEncoder() le.fit(labels) print("classes_:",le.classes_) print("transform:",le.transform([1, 2, 2, 6])) print('fit_transform:',le.fit_transform(labels)) print('inverser_transform:',le.inverse_transform([0, 0, 1, 2]))
输出：
当labels换成文本标签时
labels = ['aa','cc','dd','bb'] le = LabelEncoder() le.fit(labels) print("classes_:",le.classes_) print("transform:",le.transform(['aa','cc','dd','bb'])) print('fit_transform:',le.fit_transform(labels)) print('inverser_transform:',le.inverse_transform([0, 2, 3, 1]))
输出：
3. OneHotEncoder用法
OneHotEncoder(n_values=’auto’, categorical_features=’all’, dtype=<class ‘numpy.float64’>, sparse=True, handle_unknown=’error’)
（1）参数
n_values = ‘auto’ —>表示每个特征使用几维的数值由数据集自动推断，即几种类别就使用几位来表示，还可以自己设置
- int : number of categorical values per feature. Each feature value should be in ``range(n_values)`` - array : ``n_values[i]`` is the number of categorical values in ``X[:, i]``. Each feature value should be in ``range(n_values[i])``
categorical_features = ‘all’ —>这个参数指定了对哪些特征进行编码，默认对所有类别都进行编码。也可以自己指定选择哪些特征，通过索引或者 bool 值来指定
enc = OneHotEncoder() enc.fit([[0, 0, 3], [1, 1, 0], [0, 2, 1], [1, 0, 2]]) print(enc.transform([[0,1,3]]).toarray())
输出：
我们先来看第一个特征，即第一列 [0,1,0,1][0,1,0,1]，也就是说它有两个取值 0 或者 1，那么 one-hot 就会使用两位来表示这个特征，[1,0][1,0] 表示 0， [0,1][0,1] 表示 1，在上例输出结果中的前两位 [1,0…][1,0…] 也就是表示该特征为 0
第二个特征，第二列 [0,1,2,0][0,1,2,0]，它有三种值，那么 one-hot 就会使用三位来表示这个特征，[1,0,0][1,0,0] 表示 0， [0,1,0][0,1,0] 表示 1，[0,0,1][0,0,1] 表示 2，在上例输出结果中的第三位到第六位 [...0,1,0,0…][…0,1,0,0…] 也就是表示该特征为 1
第二个特征，第三列 [3,0,1,2][3,0,1,2]，它有四种值，那么 one-hot 就会使用四位来表示这个特征，[1,0,0,0][1,0,0,0] 表示 0， [0,1,0,0][0,1,0,0] 表示 1，[0,0,1,0][0,0,1,0] 表示 2，[0,0,0,1][0,0,0,1] 表示 3，在上例输出结果中的最后四位 [...0,0,0,1][…0,0,0,1] 也就是表示该特征为 3
示例：
array = np.array([1,2,3]) ohe = OneHotEncoder() labels = ohe.fit_transform(array.reshape(-1,1)) print(labels.toarray())
[[ 1. 0. 0.] [ 0. 1. 0.] [ 0. 0. 1.]]
4. LabelBinarizer用法
（1）参数
neg_label : int (default: 0) Value with which negative labels must be encoded. pos_label : int (default: 1) Value with which positive labels must be encoded. sparse_output : boolean (default: False) True if the returned array from transform is desired to be in sparse CSR format.
（2）示例
使用LabelBinarizer可以一次性完成LabelEncoder和OneHotEncoder(从文本类别转化为整数类别，再从整数类别转换为独热向量)
lb = preprocessing.LabelBinarizer() lb.fit_transform(['yes', 'no', 'no', 'yes']) array([[1],[0],[0],[1]])
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/120029.html原文链接：https://javaforall.net
