Posterior a de una prolongada recopilación de datos pudimos solucionar este atolladero que pueden tener algunos los usuarios. Te ofrecemos la respuesta y nuestro deseo es servirte de mucha apoyo.
class sklearn.preprocessing.LabelEncoder
[source]-
Codifique las etiquetas de destino con un valor entre 0 y n_classes-1.
Este transformador debe usarse para codificar valores objetivo, es decir
y
, y no la entradaX
.Leer más en el Guía del usuario.
Nuevo en la versión 0.12.
- Atributos
-
classes_ndarray of shape (n_classes,)
-
Sostiene la etiqueta de cada clase.
Ver también
OrdinalEncoder
-
Codifique características categóricas mediante un esquema de codificación ordinal.
OneHotEncoder
-
Codifique características categóricas como un número único array.
Ejemplos de
LabelEncoder
se puede utilizar para normalizar etiquetas.>>>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])
También se puede utilizar para transformar etiquetas no numéricas (siempre que sean hash y comparables) en etiquetas numéricas.
>>> 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']
Métodos
fit
(y)Coloque el codificador de etiquetas.
fit_transform
(y)Coloque el codificador de etiquetas y devuelva las etiquetas codificadas.
get_params
([deep])Obtenga parámetros para este estimador.
inverse_transform
(y)Transforma las etiquetas de nuevo a la codificación original.
set_params
(** parámetros)Establezca los parámetros de este estimador.
transform
(y)Transformar etiquetas a codificación normalizada.
fit(y)
[source]-
Coloque el codificador de etiquetas.
- Parámetros
-
yarray-like of shape (n_samples,)
-
Valores objetivo.
- Devoluciones
-
selfreturns an instance of self.
fit_transform(y)
[source]-
Coloque el codificador de etiquetas y devuelva las etiquetas codificadas.
- Parámetros
-
yarray-like of shape (n_samples,)
-
Valores objetivo.
- Devoluciones
-
yarray-like of shape (n_samples,)
get_params(deep=True)
[source]-
Obtenga parámetros para este estimador.
- Parámetros
-
deepbool, default=True
-
Si es True, devolverá los parámetros para este estimador y los subobjetos contenidos que son estimadores.
- Devoluciones
-
paramsdict
-
Nombres de parámetros asignados a sus valores.
inverse_transform(y)
[source]-
Transforma las etiquetas de nuevo a la codificación original.
- Parámetros
-
yndarray of shape (n_samples,)
-
Valores objetivo.
- Devoluciones
-
yndarray of shape (n_samples,)
set_params(**params)
[source]-
Establezca los parámetros de este estimador.
El método funciona tanto en estimadores simples como en objetos anidados (como
Pipeline
). Estos últimos tienen parámetros de la forma
para que sea posible actualizar cada componente de un objeto anidado.__ - Parámetros
-
**paramsdict
-
Parámetros del estimador.
- Devoluciones
-
selfestimator instance
-
Instancia de estimador.
transform(y)
[source]-
Transformar etiquetas a codificación normalizada.
- Parámetros
-
yarray-like of shape (n_samples,)
-
Valores objetivo.
- Devoluciones
-
yarray-like of shape (n_samples,)
Ten en cuenta dar visibilidad a este post si te valió la pena.