Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lära Labelencoder | Förbehandling av Data med Scikit-learn
ML-introduktion Med Scikit-learn

bookLabelencoder

OrdinalEncoder och OneHotEncoder används vanligtvis för att koda egenskaper (variabeln X). Dock kan även målvariabeln (y) vara 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 används för att koda målvariabeln, oavsett om den är nominell eller ordinal.

ML-modeller tar inte hänsyn till ordningen på målet, vilket gör att det kan kodas som vilka numeriska värden som helst. LabelEncoder kodar målet till siffrorna 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 ovan kodar målet med hjälp av LabelEncoder och använder sedan metoden .inverse_transform() för att konvertera tillbaka till den ursprungliga representationen.

question mark

Välj det korrekta påståendet.

Select the correct answer

Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 2. Kapitel 7

Fråga AI

expand

Fråga AI

ChatGPT

Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal

Awesome!

Completion rate improved to 3.13

bookLabelencoder

Svep för att visa menyn

OrdinalEncoder och OneHotEncoder används vanligtvis för att koda egenskaper (variabeln X). Dock kan även målvariabeln (y) vara 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 används för att koda målvariabeln, oavsett om den är nominell eller ordinal.

ML-modeller tar inte hänsyn till ordningen på målet, vilket gör att det kan kodas som vilka numeriska värden som helst. LabelEncoder kodar målet till siffrorna 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 ovan kodar målet med hjälp av LabelEncoder och använder sedan metoden .inverse_transform() för att konvertera tillbaka till den ursprungliga representationen.

question mark

Välj det korrekta påståendet.

Select the correct answer

Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 2. Kapitel 7
some-alt