如何在LabelBinarizer sklearn中找到一个热编码后的类标签答案

【问题标题】：how to find the class labels after the one hot encoding in LabelBinarizer sklearn如何在LabelBinarizer sklearn中找到一个热编码后的类标签
【发布时间】：2018-09-16 20:56:13
【问题描述】：

我正在研究用于图像分类的 cifar 数据集。其中我使用了一种热编码类标签，如下所示：

lists = ['frog',
 'truck',
 'deer',
 'automobile',
 'bird',
 'horse',
 'ship',
 'cat',
 'dog',
 'airplane']

from sklearn.preprocessing import LabelBinarizer 
label_binarizer = LabelBinarizer()
label_binarizer.fit(lists)

def one_hot_encode(x):
     return label_binarizer.transform(x)

//here y_train is list of training labels
y_train = one_hot_encode(y_train)

print(y_train[0])
// output as [0 0 0 0 0 0 1 0 0 0]

这意味着从列表中发货还是其他什么？如果还有其他事情可以帮助我上课。

据我所知，我在火车标签列表中的第一个元素是青蛙而不是船，谢谢。

【问题讨论】：

标签： scikit-learn data-mining one-hot-encoding

【解决方案1】：

LabelBinarizer 有一个 inverse_transform 函数，可用于从 one-hot 编码值中取回原始值。检查documentation here

顺便说一下，这些值将按字母顺序存储在 LabelBinarizer 中。

例子：

label_binarizer.inverse_transform([y_train[0]])
Output:  'frog'

【讨论】：

【解决方案2】：

它们可能不会按您的意愿订购。您可以构建一个映射表（dict）以供进一步使用，例如：

dict={}
for i in range(len(lists)):
    dict[lists[i]]=y_train[i]

print("your mapping table:\n",dict)
print("\any value is then  accessable by value:\n",'ship',dict['ship'])

【讨论】：