如何在Scikit-Learn中重新使用LabelBinarizer进行输入预测

Question

如何在Scikit-Learn中重新使用LabelBinarizer进行输入预测

pythonpandasmachine-learningscikit-learn

4

我使用Scikit-Learn训练了一个分类器。我正在从CSV文件中加载输入以训练我的分类器。一些列的值（例如'Town'）是规范化的（例如可以是'New York'，'Paris'，'Stockholm'等）。为了使用这些规范化的列，我使用Scikit-Learn中的LabelBinarizer进行独热编码。以下是在训练之前我如何转换数据的方式：

import pandas as pd
from sklearn.preprocessing import LabelBinarizer

headers = [ 
    'Ref.', 'Town' #,...
]

df = pd.read_csv("/path/to/some.csv", header=None, names=headers, na_values="?")

lb = LabelBinarizer()
lb_results = lb.fit_transform(df['Town'])

然而，我不清楚如何使用LabelBinarizer来创建特征向量并对新输入数据进行预测。特别是，如果新数据包含已知城镇（例如纽约），则需要将其编码到与训练数据中相同的位置。 如何在新输入数据上重新应用标签二值化？ （我对Scikit-Learn没有强烈的感觉，如果有人知道如何使用Pandas的get_dummies方法做到这一点，也可以。）

- Pierre-Antoine

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- MaxU - stand with Ukraine · Accepted Answer

只需使用lb.transform()即可使用已经训练好的lb模型。

演示：

假设我们有以下训练数据框：

In [250]: df
Out[250]:
           Town
0      New York
1        Munich
2          Kiev
3         Paris
4        Berlin
5      New York
6  Zaporizhzhia

一步完成模型拟合和二值化转换：

In [251]: r1 = pd.DataFrame(lb.fit_transform(df['Town']), columns=lb.classes_)

输出：

In [252]: r1
Out[252]:
   Berlin  Kiev  Munich  New York  Paris  Zaporizhzhia
0       0     0       0         1      0             0
1       0     0       1         0      0             0
2       0     1       0         0      0             0
3       0     0       0         0      1             0
4       1     0       0         0      0             0
5       0     0       0         1      0             0
6       0     0       0         0      0             1

lb现在已经针对我们在df中拥有的城镇进行了训练。

现在，我们可以使用训练好的lb模型对新的数据集进行二元化（使用lb.transform()函数）：

In [253]: new
Out[253]:
       Town
0    Munich
1  New York
2     Dubai  # <--- new (not trained) town

In [254]: r2 = pd.DataFrame(lb.transform(new['Town']), columns=lb.classes_)

In [255]: r2
Out[255]:
   Berlin  Kiev  Munich  New York  Paris  Zaporizhzhia
0       0     0       1         0      0             0
1       0     0       0         1      0             0
2       0     0       0         0      0             0