LabelEncoder

classsklearn.preprocessing.LabelEncoder[source]

Кодирует целевые метки значениями от 0 до n_classes-1.

Этот трансформер следует использовать для кодирования целевых значений, т.е. y, а не входных данных X.

Подробнее см. в Руководстве пользователя.

Добавлена в версии 0.12.

Атрибуты:

classes_массив формы (n_classes,)

Содержит метку для каждого класса.

См. также

OrdinalEncoder

Кодирует категориальные признаки с помощью порядкового кодирования.

OneHotEncoder

Кодирует категориальные признаки в виде числового массива с горячими кодами.

Примеры

LabelEncoder может быть использован для нормализации меток.

>>> from sklearn.preprocessing import LabelEncoder
>>> le = 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])

Он также может использоваться для преобразования нечисловых меток (при условии, что они хэшируемы и сравнимы) в числовые метки.

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

fit(y)[source]

Обучает кодировщик меток.

Параметры:

yмассив-подобный формы (n_samples,)

Целевые значения.

Возвращает:

selfвозвращает экземпляр self.

Обученный кодировщик меток.

fit_transform(y)[source]

Обучает кодировщик меток и возвращает закодированные метки.

Параметры:

yмассив-подобный формы (n_samples,)

Целевые значения.

Возвращает:

yмассив-подобный формы (n_samples,)

Закодированные метки.

get_metadata_routing()[source]

Получить маршрутизацию метаданных этого объекта.

Пожалуйста, ознакомьтесь с Руководством пользователя о том, как работает механизм маршрутизации.

Возвращает:

routingMetadataRequest

Объект MetadataRequest, содержащий информацию о маршрутизации.

get_params(deep=True)[source]

Получить параметры этого оценщика.

Параметры:

deepbool, по умолчанию=True

Если True, вернет параметры этого оценщика и вложенных подобъектов, которые являются оценщиками.

Возвращает:

paramsdict

Имена параметров, сопоставленные со значениями.

inverse_transform(y)[source]

Преобразует метки обратно в исходное кодирование.

Параметры:

yмассив-подобный формы (n_samples,)

Целевые значения.

Возвращает:

yмассив формы (n_samples,)

Исходное кодирование.

set_output(*, transform=None)[source]

Установить контейнер вывода.

См. Введение в API set_output для примера использования API.

Параметры:

transform{“default”, “pandas”, “polars”}, по умолчанию=None

Настроить вывод transform и fit_transform.

• "default": Формат вывода по умолчанию для трансформера
• "pandas": Вывод в DataFrame
• "polars": Вывод в Polars
• None: Конфигурация преобразования не изменена

Добавлена в версии 1.4: "polars" опция была добавлена.

Возвращает:

selfэкземпляр оценщика

Экземпляр оценщика.

set_params(**params)[source]

Установить параметры этого оценщика.

Метод работает с простыми оценщиками, а также с вложенными объектами (такими как Pipeline). Последние имеют параметры в формате <component>__<parameter>, чтобы можно было обновлять каждый компонент вложенного объекта.

Параметры:

**paramsdict

Параметры оценщика.

Возвращает:

selfэкземпляр оценщика

Экземпляр оценщика.

transform(y)[source]

Преобразует метки в нормализованное кодирование.

Параметры:

yмассив-подобный формы (n_samples,)

Целевые значения.

Возвращает:

yмассив-подобный формы (n_samples,)

Метки в виде нормализованного кодирования.