如何在分类中选择正确的类编码方式答案

【问题标题】：How to choose the correct class encoding approach in classification如何在分类中选择正确的类编码方式
【发布时间】：2018-10-22 03:58:24
【问题描述】：

我想使用 scikit-learn MLPClassifier 使用活动数据集执行分类，其中类标签可能是以下情况之一：

[‘Walk’, ‘Stand’, ‘Run’, ‘Jump’, ‘null’]

我不确定哪种标签编码方法在这里最好：LabelEncoder 或 LabelBinarizer。我认为LabelEncoder 就足够了，因为它将使用从1 到n 的单个整数值来表示每种情况，但我想知道我的决定是否合理。

谢谢

【问题讨论】：

您可以直接将字符串目标发送到 MLPClassifier，它会在内部使用 LabelEncoder 自动将它们转换为数字，就像 @ely 使用的那样。但是你不需要明确地做任何事情。

标签： machine-learning scikit-learn neural-network classification

【解决方案1】：

LabelEncoder 适用于您的用例，使用整数 0 到 4 作为类 ID：

In [15]: from sklearn.preprocessing import LabelEncoder

In [16]: le = LabelEncoder()


In [17]: le.fit(['Walk', 'Stand', 'Run', 'Jump', 'null'])
Out[17]: LabelEncoder()


In [18]: le.classes_
Out[18]: 
array(['Jump', 'Run', 'Stand', 'Walk', 'null'],
      dtype='<U5')

In [19]: le.transform(['null', 'Run', 'Jump'])
Out[19]: array([4, 1, 0])

In [20]: le.inverse_transform([4, 1, 0])
Out[20]: 
array(['null', 'Run', 'Jump'],
      dtype='<U5')

【讨论】：