机器学习中的标签编码

欢迎各位小伙伴来到golang学习网，相聚于此都是缘哈哈哈！今天我给大家带来《机器学习中的标签编码》，这篇文章主要讲到等等知识，如果你对文章相关的知识非常感兴趣或者正在自学，都可以关注我，我会持续更新相关文章！当然，有什么建议也欢迎在评论留言提出！一起学习！

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.


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 >>>


          

            
        
以上就是本文的全部内容了，是否有顺利帮助你解决问题？若是能给你带来学习上的帮助，请大家多多支持golang学习网！更多关于文章的相关知识，也可关注golang学习网公众号。