LabelEncoder#

class sklearn.preprocessing.LabelEncoder[Quelle]#

Kodiert Ziel-Labels mit Werten zwischen 0 und n_classes-1.

Dieser Transformer sollte zum Kodieren von Zielwerten, *d. h.* y, und nicht von Eingaben X verwendet werden.

Lesen Sie mehr im Benutzerhandbuch.

Hinzugefügt in Version 0.12.

Attribute:

classes_ndarray der Form (n_classes,): Speichert die Labels für jede Klasse.

Siehe auch

OrdinalEncoder: Kodiert kategoriale Merkmale mit einem ordinalen Kodierungsschema.
OneHotEncoder: Kodiert kategoriale Merkmale als eine One-Hot-numerische Matrix.

Beispiele

LabelEncoder kann verwendet werden, um Labels zu normalisieren.

>>> 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])

Es kann auch verwendet werden, um nicht-numerische Labels (solange sie hashbar und vergleichbar sind) in numerische Labels zu transformieren.

>>> 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)[Quelle]#

Fittet den Label-Encoder.

Parameter:

yarray-like von Form (n_samples,): Zielwerte.

Gibt zurück:

selfgibt eine Instanz von self zurück.: Gefitteter Label-Encoder.

fit_transform(y)[Quelle]#

Fittet den Label-Encoder und gibt die kodierten Labels zurück.

Parameter:

yarray-like von Form (n_samples,): Zielwerte.

Gibt zurück:

yarray-like von Form (n_samples,): Kodierte Labels.

get_metadata_routing()[Quelle]#

Holt das Metadaten-Routing dieses Objekts.

Bitte prüfen Sie im Benutzerhandbuch, wie der Routing-Mechanismus funktioniert.

Gibt zurück:

routingMetadataRequest: Ein MetadataRequest, der Routing-Informationen kapselt.

get_params(deep=True)[Quelle]#

Holt Parameter für diesen Schätzer.

Parameter:

deepbool, default=True: Wenn True, werden die Parameter für diesen Schätzer und die enthaltenen Unterobjekte, die Schätzer sind, zurückgegeben.

Gibt zurück:

paramsdict: Parameternamen, zugeordnet ihren Werten.

inverse_transform(y)[Quelle]#

Transformiert Labels zurück zur ursprünglichen Kodierung.

Parameter:

yarray-like von Form (n_samples,): Zielwerte.

Gibt zurück:

y_originalndarray der Form (n_samples,): Ursprüngliche Kodierung.

set_output(*, transform=None)[Quelle]#

Ausgabecontainer festlegen.

Siehe Einführung in die set_output API für ein Beispiel zur Verwendung der API.

Parameter:

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

Konfiguriert die Ausgabe von transform und fit_transform.

"default": Standardausgabeformat eines Transformers
"pandas": DataFrame-Ausgabe
"polars": Polars-Ausgabe
None: Die Transformationskonfiguration bleibt unverändert

Hinzugefügt in Version 1.4: Die Option "polars" wurde hinzugefügt.

Gibt zurück:

selfestimator instance: Schätzer-Instanz.

set_params(**params)[Quelle]#

Setzt die Parameter dieses Schätzers.

Die Methode funktioniert sowohl bei einfachen Schätzern als auch bei verschachtelten Objekten (wie Pipeline). Letztere haben Parameter der Form <component>__<parameter>, so dass es möglich ist, jede Komponente eines verschachtelten Objekts zu aktualisieren.

Parameter:

**paramsdict: Schätzer-Parameter.

Gibt zurück:

selfestimator instance: Schätzer-Instanz.

transform(y)[Quelle]#

Transformiert Labels in eine normalisierte Kodierung.

Parameter:

yarray-like von Form (n_samples,): Zielwerte.

Gibt zurück:

yarray-like von Form (n_samples,): Labels als normalisierte Kodierungen.

LabelEncoder#

Diese Seite