sklearn.preprocessing.LabelEncoder¶

class sklearn.preprocessing.LabelEncoder

[源码]

对目标标签进行编码，其值介于0和n_classes-1之间。

该转换器应用于编码目标值，即y，而不是输入X。

在用户指南中阅读更多内容

版本0.12中的新功能。

另见：

sklearn.preprocessing.OrdinalEncoder

使用序数编码方案对分类特征进行编码。

sklearn.preprocessing.OneHotEncoder

将分类特征编码为一个one-hot 数字数组。

示例：

LabelEncoder可用于标准化标签。

>>> 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])

它也可以用于将非数字标签（只要它们是hashable和可比较的）转换为数字标签。

>>> 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。有关准确的签名，请参见help（type（self））。

fit(self, y)

[源码]

适合标签编码器

fit_transform(self, y)

[源码]

适合标签编码器并返回编码的标签

get_params(self, deep=True)

[源码]

获取此估计量的参数。

inverse_transform(self, y)

[源码]

将标签转换回原始编码。

set_params(self, **params)

[源码]

设置此估算器的参数。

该方法适用于简单的估计器以及嵌套对象（例如管道）。后者的参数形式为<component>__<parameter>这样就可以更新嵌套对象的每个组件。

transform(self, y)

[源码]