Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Aprenda LabelEncoder | Pré-Processamento de Dados com Scikit-Learn
Introdução ao ML com Scikit-learn

bookLabelEncoder

O OrdinalEncoder e o OneHotEncoder são normalmente utilizados para codificar características (a variável X). No entanto, a variável alvo (y) também pode ser categórica.

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

O LabelEncoder é utilizado para codificar o alvo, independentemente de ser nominal ou ordinal.

Modelos de ML não consideram a ordem do alvo, permitindo que ele seja codificado como quaisquer valores numéricos. O LabelEncoder codifica o alvo em números 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

O código acima codifica o alvo usando o LabelEncoder e, em seguida, utiliza o método .inverse_transform() para convertê-lo de volta à representação original.

question mark

Escolha a afirmação correta.

Select the correct answer

Tudo estava claro?

Como podemos melhorá-lo?

Obrigado pelo seu feedback!

Seção 2. Capítulo 7

Pergunte à IA

expand

Pergunte à IA

ChatGPT

Pergunte o que quiser ou experimente uma das perguntas sugeridas para iniciar nosso bate-papo

Suggested prompts:

Can you explain the difference between LabelEncoder and OneHotEncoder?

Why do we use LabelEncoder for the target variable instead of OneHotEncoder?

Can you show how to interpret the encoded values from LabelEncoder?

Awesome!

Completion rate improved to 3.13

bookLabelEncoder

Deslize para mostrar o menu

O OrdinalEncoder e o OneHotEncoder são normalmente utilizados para codificar características (a variável X). No entanto, a variável alvo (y) também pode ser categórica.

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

O LabelEncoder é utilizado para codificar o alvo, independentemente de ser nominal ou ordinal.

Modelos de ML não consideram a ordem do alvo, permitindo que ele seja codificado como quaisquer valores numéricos. O LabelEncoder codifica o alvo em números 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

O código acima codifica o alvo usando o LabelEncoder e, em seguida, utiliza o método .inverse_transform() para convertê-lo de volta à representação original.

question mark

Escolha a afirmação correta.

Select the correct answer

Tudo estava claro?

Como podemos melhorá-lo?

Obrigado pelo seu feedback!

Seção 2. Capítulo 7
some-alt