sklearn.preprocessing.LabelEncoder?

class sklearn.preprocessing.LabelEncoder

[源碼]

對目標標簽進行編碼，其值介于0和n_classes-1之間。

該轉換器應用于編碼目標值，即y，而不是輸入X。

在用戶指南中閱讀更多內容

版本0.12中的新功能。

另見：

sklearn.preprocessing.OrdinalEncoder

使用序數編碼方案對分類特征進行編碼。

sklearn.preprocessing.OneHotEncoder

將分類特征編碼為一個one-hot 數字數組。

示例：

LabelEncoder可用于標準化標簽。

>>> from sklearn import preprocessing
>>> le = preprocessing.LabelEncoder()
>>> le.fit([1, 2, 2, 6])
LabelEncoder()
>>> le.classes_
array([1, 2, 6])
>>> le.transform([1, 1, 2, 6])
array([0, 0, 1, 2]...)
>>> le.inverse_transform([0, 0, 1, 2])
array([1, 1, 2, 6])

它也可以用于將非數字標簽（只要它們是hashable和可比較的）轉換為數字標簽。

>>> le = preprocessing.LabelEncoder()
>>> le.fit(["paris", "paris", "tokyo", "amsterdam"])
LabelEncoder()
>>> list(le.classes_)
['amsterdam', 'paris', 'tokyo']
>>> le.transform(["tokyo", "tokyo", "paris"])
array([2, 2, 1]...)
>>> list(le.inverse_transform([2, 2, 1]))
['tokyo', 'tokyo', 'paris']

方法

__init__(self, /, *args, **kwargs)

初始化self。有關準確的簽名，請參見help（type（self））。

fit(self, y)

[源碼]

適合標簽編碼器

fit_transform(self, y)

[源碼]

適合標簽編碼器并返回編碼的標簽

get_params(self, deep=True)

[源碼]

獲取此估計量的參數。

inverse_transform(self, y)

[源碼]

將標簽轉換回原始編碼。

set_params(self, **params)

[源碼]

設置此估算器的參數。

該方法適用于簡單的估計器以及嵌套對象（例如管道）。后者的參數形式為<component>__<parameter>這樣就可以更新嵌套對象的每個組件。

transform(self, y)

[源碼]