Lære Labelencoder

Sveip for å vise menyen

OrdinalEncoder og OneHotEncoder brukes vanligvis til å kode egenskaper (variabelen X). Imidlertid kan målvariabelen (y) også være kategorisk.


              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 brukes til å kode målvariabelen, uavhengig av om den er nominell eller ordinal.

ML-modeller tar ikke hensyn til rekkefølgen på målet, noe som gjør at det kan kodes som vilkårlige numeriske verdier. LabelEncoder koder målet til tallene 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)

Koden ovenfor koder målet ved hjelp av LabelEncoder og bruker deretter metoden .inverse_transform() for å konvertere det tilbake til den opprinnelige representasjonen.

Alt var klart?

Takk for tilbakemeldingene dine!

Seksjon 1. Kapittel 12

Spør AI

Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår

Seksjon 1. Kapittel 12