LabelEncoder-反转并在模型上使用分类数据

Question

我正在做一个预测项目（为了好玩），基本上我从nltk中提取了男性和女性名字，将名字标记为“ male”或“ female”，然后得到每个名字的最后一个字母，最后使用不同的机器学习方法可以根据姓氏来训练和预测性别的算法。

因此，我们知道Python的sklearn不能处理分类数据，因此我使用LabelEncoder将最后一个字母转换为数值：

转换前：

     name     last_letter    gender
0    Aamir    r              male
1    Aaron    n              male
2    Abbey    y              male
3    Abbie    e              male
4    Abbot    t              male

     name       last_letter    gender
0    Abagael    l              female
1    Abagail    l              female
2    Abbe       e              female
3    Abbey      y              female
4    Abbi       i              female

如果我们连接两个数据帧，则删除名称列并随机播放：

     last_letter    gender
0    a              male
1    e              female
2    g              male
3    h              male
4    e              male

然后我用了LabelEncoder：

from sklearn.preprocessing import LabelEncoder
label_encoder = LabelEncoder()

for col in df.columns:
    df[col]= label_encoder.fit_transform(df[col])
df.head()

数据框变为：

     last_letter    gender
0    1              male
1    5              female
2    7              male
3    8              male
4    5              male

如您所见，在训练模型后（这里说随机森林）。如果我想使用模型来预测随机字母

e.g. rf_model.predict('a')

由于该模型仅采用数字值，因此无法正常工作。在这种情况下，如果我这样做：

rf_model.predict(1) (assume letter 'a' is encoded as number 1)

模型预测结果返回

array([1])

所以我该怎么做：

rf_model.predict('a') 

并获得“ female”或“ male”之类的结果，而不必输入数字值并将结果作为数字值？

Answer 1

只需使用您创建的相同内容即可LabelEncoder！由于您已经fit有了训练数据，因此您可以直接将新数据应用到transform函数中。

In [2]: from sklearn.preprocessing import LabelEncoder

In [3]: label_encoder = LabelEncoder()

In [4]: label_encoder.fit_transform(['a', 'b', 'c'])
Out[4]: array([0, 1, 2])

In [5]: label_encoder.transform(['a'])
Out[5]: array([0])

要将其与 一起使用RandomForestClassifier，

In [59]: from sklearn.ensemble import RandomForestClassifier

In [60]: X = ['a', 'b', 'c']

In [61]: y = ['male', 'female', 'female']

In [62]: X_encoded = label_encoder.fit_transform(X)

In [63]: rf_model = RandomForestClassifier()

In [64]: rf_model.fit(X_encoded[:, None], y)
Out[64]: 
RandomForestClassifier(bootstrap=True, class_weight=None, criterion='gini',
            max_depth=None, max_features='auto', max_leaf_nodes=None,
            min_impurity_split=1e-07, min_samples_leaf=1,
            min_samples_split=2, min_weight_fraction_leaf=0.0,
            n_estimators=10, n_jobs=1, oob_score=False, random_state=None,
            verbose=0, warm_start=False)

In [65]: x = ['a']

In [66]: x_encoded = label_encoder.transform(x)

In [67]: rf_model.predict(x_encoded[:, None])
Out[67]: 
array(['male'], 
      dtype='<U6')

正如您所看到的，如果您使用它们来拟合分类器，则可以'male', 'female'直接从分类器获取字符串输出。

参考LabelEncoder.transform