标签编码是机器学习中最常用的技术之一。它用于将分类数据转换为数字形式。因此，数据可以拟合到模型中。
让我们了解为什么我们使用标签编码。想象一下，数据包含字符串 形式的基本列。但是，您无法将这些数据放入模型中，因为建模仅适用于数值数据，我们该怎么办？这是一种挽救生命的技术，当我们准备好数据进行拟合时，它会在预处理步骤中进行评估，这就是标签编码.
我们将使用scikit-learn库中的iris数据集来了解标签编码器的工作原理。确保您安装了以下库。
|
1 2 |
|
要安装为库，请运行以下命令：
|
1 |
|
现在打开 google colab notebook，开始编码和学习 label encoder。
让我们编码吧
- 首先导入以下库：
|
1 2 |
|
- 导入iris数据集，并初始化以供使用：
|
1 2 |
|
- 现在，我们需要选择我们想要的数据编码，我们将对鸢尾花的物种名称进行编码。
|
1 2 |
|
输出：
|
1 2 3 4 5 |
|
- 现在，我们准备使用标签编码器来拟合数据：
|
1 |
|
你将输出类似这样的内容：
如果得到此输出，则说明您已成功拟合数据。但是，问题是如何找出分配给每个物种的值以及分配的顺序。
标签编码器适合数据的顺序存储在classes_属性中。编码从0开始到data_length-1.
|
1 |
|
输出：
|
1 2 3 4 5 |
|
- 现在，让我们测试一下拟合的数据。我们将改造山鸢尾品种。
|
1 |
|
输出：数组([0])
再说一次，如果你改造维吉尼亚币。
|
1 |
|
输出：数组([2])
您还可以输入物种列表，例如[“setosa”, “virginica”]
