labelbinarizer

Question

labelbinarizer

有一种行为

import numpy as np
from sklearn import preprocessing
lb = preprocessing.LabelBinarizer()
lb.fit(np.array([[0, 1, 1], [1, 0, 0]]))
lb.classes_

输出为array([0, 1, 2])。那里为什么有2？

Answer 1

因为你已经通过了2-d标签指标矩阵。

标签指示符矩阵主要用于多标签问题，其中样本可以存在多个标签。那么我们如何代表他们：

           class 1     class 2     class 3
sample1      0           1            1
sample2      1           0            0
sample3
...

0表示标签不存在，1表示存在。所以对你来说 提供矩阵有多少课程？ - 3

所以他们用0,1,2表示。