LabelBinarizer 将多数类编码为 1 而不是 0答案

【问题标题】：LabelBinarizer encodes majority class as 1 instead of 0LabelBinarizer 将多数类编码为 1 而不是 0
【发布时间】：2020-04-01 00:07:02
【问题描述】：

我的训练数据包含负样本的多数类和正样本的少数类。我使用 LabelBinarizer() 将文本标签转换为二进制，并希望将正样本编码为 1，将负样本编码为 0。我读到默认情况下，多数类应编码为 0，但我观察到相反的情况。

Y_train = ['normal', 'normal', 'normal', 'normal', 'malware']
lb = LabelBinarizer()
Y_train= np.array([number[0] for number in lb.fit_transform(Y_train)])
print Y_train.tolist()

我得到的结果是：

[1, 1, 1, 1, 0]

我预计：

[0, 0, 0, 0, 1]

有人能指出错误吗？谢谢

更新：

根据https://github.com/scikit-learn/scikit-learn/issues/6723，

正标签被赋予具有较大值的类（即以后按字典顺序排列）。

这解释了我的情况下的编码。但是，我仍然希望将“恶意软件”编码为 1，将“正常”编码为 0。我想我必须手动进行吗？

【问题讨论】：

你在哪里读到majority class should get encoded to 0？似乎哪个类在标签列表中排在第一位得到0。你可以试试看。
这里：github.com/scikit-learn/scikit-learn/issues/6723 这对我来说也很有意义，因为通常大多数样本在许多应用程序中都是阴性的
谢谢，刚刚在看scikit-learn.org/stable/modules/generated/…
是的。没有提到什么被认为是消极的，什么是积极的。应该定义。
我得到了 [0, 0, 0, 0, 1] 的奇怪运行确切代码。 sklearn 的版本是多少？

标签： python scikit-learn classification

【解决方案1】：

我认为您正在寻找的可以通过使用label_binarize来完成：

from sklearn.preprocessing import label_binarize
Y_train = ['normal', 'normal', 'normal', 'normal', 'malware']
# note the order of "classes" defines which gets 1 and which gets 0
Y_train = label_binarize(Y_train, classes = ['normal', 'malware']).flatten()

【讨论】：