maxframe.learn.preprocessing.LabelEncoder

class maxframe.learn.preprocessing.LabelEncoder

使用介于 0 和 n_classes-1 之间的值对目标标签进行编码。

此转换器应用于编码目标值，即 y，而不是输入 X。

更多内容请参见 用户指南。

classes_

保存每个类别的标签。

类型:

形状为 (n_classes,) 的 ndarray

参见

OrdinalEncoder

使用序数编码方案对分类特征进行编码。

OneHotEncoder

将分类特征编码为独热（one-hot）数值数组。

示例

LabelEncoder 可用于标准化标签。

>>> from maxframe.learn import preprocessing
>>> le = preprocessing.LabelEncoder()
>>> le.fit([1, 2, 2, 6]).execute()
LabelEncoder()
>>> le.classes_.to_numpy()
array([1, 2, 6])
>>> le.transform([1, 1, 2, 6]).to_numpy()
array([0, 0, 1, 2]...)
>>> le.inverse_transform([0, 0, 1, 2]).to_numpy()
array([1, 1, 2, 6])

它还可以用于将非数值标签（只要它们是可哈希和可比较的）转换为数值标签。

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

__init__()

方法

__init__()
execute([session, run_kwargs, extra_tileables])
fetch([session, run_kwargs])
fit(y[, execute, session, run_kwargs])	拟合标签编码器。
fit_transform(y[, execute, session, run_kwargs])	拟合标签编码器并返回编码后的标签。
inverse_transform(y[, execute, session, ...])	将标签转换回原始编码。
transform(y[, execute, session, run_kwargs])	将标签转换为标准化编码。