python - LabelEncoder - 在模型上反转和使用分类数据

Question

我正在做一个预测项目(为了好玩)，基本上我从 nltk 中提取了男性和女性的名字，将名字标记为“男性”或“女性”，然后获取每个名字的最后一个字母，最后使用不同的机器学习算法根据最后一个字母训练和预测性别。

所以我们知道 Python 的 sklearn 不处理分类数据，所以我使用 LabelEncoder 将最后一个字母转换为数值:

转换前:

     name     last_letter    gender
0    Aamir    r              male
1    Aaron    n              male
2    Abbey    y              male
3    Abbie    e              male
4    Abbot    t              male

     name       last_letter    gender
0    Abagael    l              female
1    Abagail    l              female
2    Abbe       e              female
3    Abbey      y              female
4    Abbi       i              female

如果我们连接两个数据帧，删除名称列并随机播放:

     last_letter    gender
0    a              male
1    e              female
2    g              male
3    h              male
4    e              male

然后我使用了LabelEncoder:

from sklearn.preprocessing import LabelEncoder
label_encoder = LabelEncoder()

for col in df.columns:
    df[col]= label_encoder.fit_transform(df[col])
df.head()

数据框变成:

     last_letter    gender
0    1              male
1    5              female
2    7              male
3    8              male
4    5              male

如您所见，在训练模型后(这里假设是随机森林)。如果我想使用模型来预测一个随机字母

e.g. rf_model.predict('a')

这是行不通的，因为模型只接受数值。在这种情况下，如果我这样做:

rf_model.predict(1) (assume letter 'a' is encoded as number 1)

模型预测结果返回

array([1])

那么我该怎么做:

rf_model.predict('a') 

并获得类似“女性”或“男性”的结果，而不是必须输入数值并获得数值形式的结果？

Answer 1

只需使用您创建的相同 LabelEncoder!由于您已经使用训练数据对其进行了拟合，因此您可以使用transform 函数直接应用新数据。

In [2]: from sklearn.preprocessing import LabelEncoder

In [3]: label_encoder = LabelEncoder()

In [4]: label_encoder.fit_transform(['a', 'b', 'c'])
Out[4]: array([0, 1, 2])

In [5]: label_encoder.transform(['a'])
Out[5]: array([0])

与 RandomForestClassifier 一起使用，

In [59]: from sklearn.ensemble import RandomForestClassifier

In [60]: X = ['a', 'b', 'c']

In [61]: y = ['male', 'female', 'female']

In [62]: X_encoded = label_encoder.fit_transform(X)

In [63]: rf_model = RandomForestClassifier()

In [64]: rf_model.fit(X_encoded[:, None], y)
Out[64]: 
RandomForestClassifier(bootstrap=True, class_weight=None, criterion='gini',
            max_depth=None, max_features='auto', max_leaf_nodes=None,
            min_impurity_split=1e-07, min_samples_leaf=1,
            min_samples_split=2, min_weight_fraction_leaf=0.0,
            n_estimators=10, n_jobs=1, oob_score=False, random_state=None,
            verbose=0, warm_start=False)

In [65]: x = ['a']

In [66]: x_encoded = label_encoder.transform(x)

In [67]: rf_model.predict(x_encoded[:, None])
Out[67]: 
array(['male'], 
      dtype='<U6')

如您所见，如果您使用它们来拟合分类器，则可以直接从分类器中获取字符串输出 'male', 'female'。

引用LabelEncoder.transform