python - 为什么 sklearn 预处理 LabelEncoder inverse_transform 仅适用于一列？

Question

我有一个用 sklearn 构建的随机森林模型。该模型构建在一个文件中，我有第二个文件，在其中使用 joblib 加载模型并将其应用于新数据。数据具有通过 sklearn 的预处理 LabelEncoder.fit_transform 转换的分类字段。做出预测后，我尝试使用 LabelEncoder.inverse_transform 反转此转换。

这是代码:

 #transform the categorical rf inputs
 df["method"] = le.fit_transform(df["method"])
 df["vendor"] = le.fit_transform(df["vendor"])
 df["type"] = le.fit_transform(df["type"])
 df["name"] = le.fit_transform(df["name"])
 dups["address"] = le.fit_transform(df["address"])

 #designate inputs for rf model
 inputs = ["amt","vendor","type","name","address","method"]

 #load rf model and run it on new data
 from sklearn.externals import joblib
 rf = joblib.load('rf.pkl')
 predict = rf.predict(df[inputs])

 #reverse LabelEncoder fit_transform
 df["method"] = le.inverse_transform(df["method"])
 df["vendor"] = le.inverse_transform(df["vendor"])
 df["type"] = le.inverse_transform(df["type"])
 df["name"] = le.inverse_transform(df["name"])
 df["address"] = le.inverse_transform(df["address"])

 #convert target to numeric to make it play nice with SQL Server
 predict = pd.to_numeric(predict)

 #add target field to df
 df["prediction"] = predict

 #write results to SQL Server table
 import sqlalchemy
 engine = sqlalchemy.create_engine("mssql+pyodbc://<username>:<password>@UserDSN")
 df.to_sql('TABLE_NAME', engine, schema='SCHEMANAME', if_exists='replace', index=False)

如果没有 inverse_transform 部分，结果将如预期:用数字代码代替分类值。使用inverse_transform 片段，结果很奇怪:为所有 分类字段返回与“地址”字段对应的分类值。

因此，如果 1600宾夕法尼亚大道 编码为数字 1，所有 编码为数字 1 的分类值(无论字段如何)现在都会返回 1600 宾夕法尼亚大道。为什么 inverse_transform 选择一列来反转所有 fit_transform 代码？

Answer 1

这是预期的行为。

当您调用le.fit_transform()时，LabelEncoder的内部参数(学习的类)将被重新初始化。 le 对象适合您提供的列的值。

在上面的代码中，您使用同一对象来转换所有列，并且您提供的最后一列是地址。因此，le 会忘记之前调用 fit()(或本例中的 fit_transform())的所有信息，并再次学习新数据。因此，当您对其调用 inverse_transform() 时，它仅返回与 address 相关的值。希望我说得清楚。

要对所有列进行编码，您需要初始化不同的对象，每一列都有一个对象。如下所示:

 df["method"] = le_method.fit_transform(df["method"])
 df["vendor"] = le_vendor.fit_transform(df["vendor"])
 df["type"] = le_type.fit_transform(df["type"])
 df["name"] = le_name.fit_transform(df["name"])
 df["address"] = le_address.fit_transform(df["address"])

然后在适当的编码器上调用inverse_transform()。