使用 sklearn LabelEncoder 将标签绑定到给定的编码

【问题标题】：bind a label to a given encoding with sklearn LabelEncoder使用 sklearn LabelEncoder 将标签绑定到给定的编码
【发布时间】：2022-01-15 20:35:56
【问题描述】：

from sklearn.preprocessing import LabelEncoder
l_labels = ['[PAD]'] + ['NN', 'ADJ', 'PRON'] 
le = LabelEncoder()
le.fit(l_labels)
le.trasform('[PAD]')

>>>> 3

我希望 '[PAD]' 的编码为 0。是否可以使用 LabelEncoder 将标签绑定到编码？

【问题讨论】：

标签： python scikit-learn

【解决方案1】：

scikit learn LabelEncoder 是排序转换之前的元素列表将“PAD”编码为 0 的一种方法是将 PAD 的名称更改为某些东西将被排在第一位。

l_labels = ['0' + 'PAD'] + ['NN', 'ADJ', 'PRON'] 
le = LabelEncoder()
le.fit(l_labels)
le.transform(['0'+'PAD'])
>> [0]

【讨论】：

【解决方案2】：

不，您不能在 LabelEncoder 中这样做，因为它首先找到唯一元素，然后对它们进行排序以分配数字编码。

`fit` 方法内部发生的事情。

uniques_set = set(values)
uniques_set, missing_values = _extract_missing(uniques_set)

uniques = sorted(uniques_set)

参考：https://github.com/scikit-learn/scikit-learn/blob/0d378913be6d7e485b792ea36e9268be31ed52d0/sklearn/utils/_encode.py#L135

【讨论】：

感谢您的回答

fit 方法内部发生的事情。

`fit` 方法内部发生的事情。