学ぶ LabelEncoder | Scikit-learnによるデータの前処理

メニューを表示するにはスワイプしてください

OrdinalEncoder と OneHotEncoder は通常、特徴量（X 変数）のエンコードに使用されます。しかし、ターゲット変数（y）もカテゴリカルである場合があります。


              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())

LabelEncoder は、ターゲットが名義型か順序型かに関係なくエンコードに使用されます。

MLモデルはターゲットの順序を考慮しないため、任意の数値にエンコード可能。 LabelEncoderはターゲットを0、1、...の数値にエンコード。


              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)

上記のコードは、LabelEncoderを使用してターゲットをエンコードし、その後.inverse_transform()メソッドで元の表現に戻す処理。

すべて明確でしたか？

フィードバックありがとうございます！

セクション 2. 章 7

AIに質問する

何でも質問するか、提案された質問の1つを試してチャットを始めてください

セクション 2. 章 7