Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lære LabelEncoder | Forbehandling av Data med Scikit-learn
ML Introduksjon med Scikit-learn

bookLabelEncoder

OrdinalEncoder og OneHotEncoder brukes vanligvis til å kode funksjoner (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())
copy

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)
copy

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

question mark

Velg det riktige utsagnet.

Select the correct answer

Alt var klart?

Hvordan kan vi forbedre det?

Takk for tilbakemeldingene dine!

Seksjon 2. Kapittel 7

Spør AI

expand

Spør AI

ChatGPT

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

Awesome!

Completion rate improved to 3.13

bookLabelEncoder

Sveip for å vise menyen

OrdinalEncoder og OneHotEncoder brukes vanligvis til å kode funksjoner (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())
copy

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)
copy

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

question mark

Velg det riktige utsagnet.

Select the correct answer

Alt var klart?

Hvordan kan vi forbedre det?

Takk for tilbakemeldingene dine!

Seksjon 2. Kapittel 7
some-alt