python sklearn preprocessing LabelEncoder 标签编码

最新推荐文章于 2025-04-15 22:41:59 发布

原创最新推荐文章于 2025-04-15 22:41:59 发布 · 1.5k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#python #sklearn #机器学习

本文介绍了如何使用Python的LabelEncoder进行标签编码，包括对原始标签列表排序、模型拟合、生成编码字典，并演示了加载和逆向转换的过程。重点在于实际操作和编码在数据处理中的应用。

加载库

import numpy as np
from sklearn.preprocessing import LabelEncoder

小案例

labels = ['小米','小明','小红','大伟','小兰','小红']   # 原始标签列表
labels = sorted(set(labels))                         # 标签编码排序，不是按照 labels 中每个词的频次。而是按照 sorted(set(labels))进行的排序。
lb = LabelEncoder()                                  # 初始化
lables_pre = lb.fit_transform(labels)                # 模型拟合
lables_dict = dict([[j,i] for i,j in zip(labels,lables_pre)])      # 生成编码字典
np.save('lables_dict.npy', lables_dict)                            # 标签字典保存
load_labels = np.load('lables_dict.npy',allow_pickle=True).item()  # 标签字典加载

print("      标签数量：",len(labels))
print("        编码前：", labels)
print("        编码后：", lables_pre)
print("      编码反推：", lb.inverse_transform(lables_pre))
print("生成的编码字典：",lables_dict)
print("加载的编码字典：",load_labels)