博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
机器学习之sklearn.preprocessing.LabelBinarizer()的用法
阅读量:3965 次
发布时间:2019-05-24

本文共 395 字,大约阅读时间需要 1 分钟。

自己动手的第一个机器学习算法

from sklearn import preprocessingfeature = [[0,1], [1,1], [0,0], [1,0]]label= ['yes', 'no', 'yes', 'no']lb = preprocessing.LabelBinarizer() #构建一个转换对象Y = lb.fit_transform(label)re_label = lb.inverse_transform(Y)print(Y)print(re_label)

输出

[[1] [0] [1] [0]]['yes' 'no' 'yes' 'no']

转换函数将字符串label进行数字化,数字范围从0开始,并且将label转换为了一个列向量。最后在ML任务完成之后,输出的时候需要还原之前的label,因此使用函数inverse_transform()。

转载地址:http://awyki.baihongyu.com/

你可能感兴趣的文章
NET - NET Core使用Log4net的SqlServer AdoNetAppender 报程序集错误
查看>>
NET - NET Core中使用Log4net输出日志到数据库中去
查看>>
NET - NET Core 迁移nuget包缓存到指定位置
查看>>
Spring - SpringBoot 集成 swagger2
查看>>
SQL - 深入理解MySQL索引之B+Tree
查看>>
SQL - 数据库索引原理,及MySQL索引类型
查看>>
Spring - Dubbo的实现原理
查看>>
Spring - Dubbo 扩展点详解
查看>>
Spring - Hystrix原理与实战
查看>>
Spring - Sentinel 原理 全解析
查看>>
Spring - 比较Sentinel和Hystrix
查看>>
Spring - Nacos 服务注册与发现原理分析
查看>>
Spring - Nacos 配置中心原理分析
查看>>
Spring - Nacos 配置实时更新原理分析
查看>>
Android开发MVP模式(解决了View和Model的耦合)
查看>>
Android网络框架Volley(实战篇)
查看>>
Android 常见分辨率(mdpi、hdpi 、xhdpi、xxhdpi )及屏幕适配注意事项
查看>>
Android 5.0学习之感想篇(含Demo)
查看>>
ViewPagerindicator 源码解析
查看>>
HoloGraphLibrary 源码解析
查看>>