Labelencoder
OrdinalEncoder och OneHotEncoder används vanligtvis för att koda funktioner (variabeln X). Dock kan målvariabeln (y) också vara kategorisk.
123456789import 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 används för att koda målet, oavsett om det är nominellt eller ordnat.
ML-modeller tar inte hänsyn till målvariabelns ordning, vilket gör att den kan kodas som vilka numeriska värden som helst.
LabelEncoder kodar målvariabeln till siffrorna 0, 1, ... .
1234567891011121314import 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 ovan kodar målvariabeln med hjälp av LabelEncoder och använder sedan metoden .inverse_transform() för att konvertera tillbaka till den ursprungliga representationen.
Tack för dina kommentarer!
Fråga AI
Fråga AI
Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal
Fantastiskt!
Completion betyg förbättrat till 4.55Labelencoder
Svep för att visa menyn
OrdinalEncoder och OneHotEncoder används vanligtvis för att koda funktioner (variabeln X). Dock kan målvariabeln (y) också vara kategorisk.
123456789import 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 används för att koda målet, oavsett om det är nominellt eller ordnat.
ML-modeller tar inte hänsyn till målvariabelns ordning, vilket gör att den kan kodas som vilka numeriska värden som helst.
LabelEncoder kodar målvariabeln till siffrorna 0, 1, ... .
1234567891011121314import 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 ovan kodar målvariabeln med hjälp av LabelEncoder och använder sedan metoden .inverse_transform() för att konvertera tillbaka till den ursprungliga representationen.
Tack för dina kommentarer!
