Question

我正在使用OrdinalEncoder对Scikit学习中的分类数据进行编码，并且正在寻找一种获取有关编码细节的方法。即每个功能的基数，甚至数字和类别之间的精确映射。

inverse_transform方法的简短内容我看不到这样做的方法。我想尽可能地做到这一点，即不事先知道类别。

我知道序数编码的问题（onehot对我来说不是一个选择）。我也看过DictVectorizer，但不确定是否合适。

Answer 1

好的，所以我重新创建了官方文档示例

from sklearn.preprocessing import OrdinalEncoder
enc = OrdinalEncoder()
X = [['Male', 1], ['Female', 3], ['Female', 2]]
enc.fit(X)

现在，如果要查看编码，只需调用categories_属性，所以在这种情况下：

print(enc.categories_)
#Output: [array(['Female', 'Male'], dtype=object), array([1, 2, 3], dtype=object)]

现在，这仅返回编码的特征，而不返回其编码。但是，它们的索引本身就是编码。例如，在这种情况下，Female被编码为0，Male被编码为1，然后前进到下一组功能1编码为0，2编码为1，依此类推。

因此，如果我想获取Female和Male的编码：

encoding = enc.categories_
encoding_sex = dict(zip((encoding[0]), range(len(encoding[0]))))
print(encoding_sex)
# Output: {'Female': 0, 'Male': 1}

现在，如果您想针对所有功能概括上述方法并使其快速实现，请执行以下操作：

encoding = enc.categories_
encoding_feature = lambda x: dict(zip(x, range(len(x))))
encoding_full = [encoding_feature(feature_elem) for feature_elem in encoding]
print(encoding_full)
# Output: [{'Female': 0, 'Male': 1}, {1: 0, 2: 1, 3: 2}]

Answer 2

categories_确实具有inverse_transform所需的映射。您可以查看inverse_transform代码here。

也许您正在寻找数字和类别之间的显式词典，然后使用

>>> from sklearn.preprocessing import OrdinalEncoder
>>> enc = OrdinalEncoder()
>>> X = [['Male', 1], ['Female', 3], ['Female', 2]]
>>> enc.fit(X)
... 
OrdinalEncoder(categories='auto', dtype=<... 'numpy.float64'>)

>>> [dict(enumerate(mapping)) for mapping in enc.categories_]
# [{0: 'Female', 1: 'Male'}, {0: 1, 1: 2, 2: 3}]

从Scikit学习中的序数编码获取基数

2 个答案: