sklearn:中使用labelEncoder【将类别型特征统一转化成0-len(类别性特征)范围的数字】
数字 特征 范围 统一 sklearn 类别 转化成 len
2023-09-27 14:20:40 时间
在传统机器学习中,对于类别型特征有许多encode方法:
其中,Label Encoder是最简单的一种encode方法,并在sklearn.preprocessing中有实现方法,目的是将类别型特征统一转化成0-len(类别性特征)范围的数字。
from sklearn.preprocessing import LabelEncoder
lbe = LabelEncoder()
train = ["paris", "paris", "tokyo", "amsterdam"]
test = ["tokyo", "tokyo", "paris"]
lbe.fit(train).transform(test)
array([2, 2, 1])
如何快速写一个sklearn LabelEncoder?_慕课手记
相关文章
- 上海发布 深化应用“场所码”“数字哨兵”核验人员健康信息,本市发布落实“扫码通行”疫情防控措施的通告
- mysql字符串和数字的互相转换
- 2021年人工神经网络第四次作业-第四题:旋转的数字
- C++中数字和字符串的转换
- Python 判断字符串是否为数字
- 在opencv3中实现机器学习算法之:利用最近邻算法(knn)实现手写数字分类
- 《众妙之门——Web用户体验设计与可用性测试》一2.2 从数字上看:行为应答
- 12个数字营销和客户体验的成功秘诀
- 「基于Django的全民健康智慧中医数字服务平台」后端应用Users可视化
- 世界顶级黑客Kevin D.Mitnick教你如何在数字世界中真正隐形
- OpenCV 数字验证码识别
- 深度学习 Day 7——如何使用对抗网络生成手写数字?
- 【bzoj5074】[Lydsy十月月赛]小B的数字 数学