Labelencoder
OrdinalEncoder та OneHotEncoder зазвичай використовуються для кодування ознак (змінна X). Однак цільова змінна (y) також може бути категоріальною.
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 використовується для кодування цільової змінної, незалежно від того, є вона номінальною чи порядковою.
Моделі машинного навчання не враховують порядок цільової змінної, тому її можна кодувати будь-якими числовими значеннями.
LabelEncoder кодує цільову змінну у числа 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)
Наведений вище код кодує цільову змінну за допомогою LabelEncoder, а потім використовує метод .inverse_transform(), щоб перетворити її назад до початкового вигляду.
Дякуємо за ваш відгук!
Запитати АІ
Запитати АІ
Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат
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 3.13Labelencoder
Свайпніть щоб показати меню
OrdinalEncoder та OneHotEncoder зазвичай використовуються для кодування ознак (змінна X). Однак цільова змінна (y) також може бути категоріальною.
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 використовується для кодування цільової змінної, незалежно від того, є вона номінальною чи порядковою.
Моделі машинного навчання не враховують порядок цільової змінної, тому її можна кодувати будь-якими числовими значеннями.
LabelEncoder кодує цільову змінну у числа 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)
Наведений вище код кодує цільову змінну за допомогою LabelEncoder, а потім використовує метод .inverse_transform(), щоб перетворити її назад до початкового вигляду.
Дякуємо за ваш відгук!
