Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Impara Labelencoder | Preprocessing Dei Dati Con Scikit-learn
Introduzione al ML con Scikit-Learn

bookLabelencoder

L'OrdinalEncoder e l'OneHotEncoder sono generalmente utilizzati per codificare le feature (la variabile X). Tuttavia, anche la variabile target (y) può essere categorica.

123456789
import pandas as pd # Load the data and assign X, y variables df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a65bbc96-309e-4df9-a790-a1eb8c815a1c/adult_edu.csv') y = df['income'] # Income is a target in this dataset X = df.drop('income', axis=1) print(y) print('All values: ', y.unique())
copy

Il LabelEncoder viene utilizzato per codificare il target, indipendentemente dal fatto che sia nominale o ordinale.

I modelli di ML non considerano l'ordine del target, permettendo che venga codificato con qualsiasi valore numerico. LabelEncoder codifica il target in numeri 0, 1, ... .

1234567891011121314
import pandas as pd from sklearn.preprocessing import LabelEncoder # Load the data and assign X, y variables df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a65bbc96-309e-4df9-a790-a1eb8c815a1c/adult_edu.csv') y = df['income'] # Income is a target in this dataset X = df.drop('income', axis=1) # Initialize a LabelEncoder object and encode the y variable label_enc = LabelEncoder() y = label_enc.fit_transform(y) print(y) # Decode the y variable back y_decoded = label_enc.inverse_transform(y) print(y_decoded)
copy

Il codice sopra codifica il target utilizzando LabelEncoder e poi usa il metodo .inverse_transform() per convertirlo nuovamente nella rappresentazione originale.

question mark

Scegli l'affermazione corretta.

Select the correct answer

Tutto è chiaro?

Come possiamo migliorarlo?

Grazie per i tuoi commenti!

Sezione 2. Capitolo 7

Chieda ad AI

expand

Chieda ad AI

ChatGPT

Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione

Awesome!

Completion rate improved to 3.13

bookLabelencoder

Scorri per mostrare il menu

L'OrdinalEncoder e l'OneHotEncoder sono generalmente utilizzati per codificare le feature (la variabile X). Tuttavia, anche la variabile target (y) può essere categorica.

123456789
import pandas as pd # Load the data and assign X, y variables df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a65bbc96-309e-4df9-a790-a1eb8c815a1c/adult_edu.csv') y = df['income'] # Income is a target in this dataset X = df.drop('income', axis=1) print(y) print('All values: ', y.unique())
copy

Il LabelEncoder viene utilizzato per codificare il target, indipendentemente dal fatto che sia nominale o ordinale.

I modelli di ML non considerano l'ordine del target, permettendo che venga codificato con qualsiasi valore numerico. LabelEncoder codifica il target in numeri 0, 1, ... .

1234567891011121314
import pandas as pd from sklearn.preprocessing import LabelEncoder # Load the data and assign X, y variables df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a65bbc96-309e-4df9-a790-a1eb8c815a1c/adult_edu.csv') y = df['income'] # Income is a target in this dataset X = df.drop('income', axis=1) # Initialize a LabelEncoder object and encode the y variable label_enc = LabelEncoder() y = label_enc.fit_transform(y) print(y) # Decode the y variable back y_decoded = label_enc.inverse_transform(y) print(y_decoded)
copy

Il codice sopra codifica il target utilizzando LabelEncoder e poi usa il metodo .inverse_transform() per convertirlo nuovamente nella rappresentazione originale.

question mark

Scegli l'affermazione corretta.

Select the correct answer

Tutto è chiaro?

Come possiamo migliorarlo?

Grazie per i tuoi commenti!

Sezione 2. Capitolo 7
some-alt