»çÀÌŶ·±ÀÇ LabelEncoder¸¦ ¾Ë¾Æ º¸ÀÚ. ¸Ó½Å·¯´×°ú »çÀÌŶ·±¿¡¼´Â ¼ýÀÚ¸¸ ó¸® ÇÒ¼ö Àֱ⠶§¹®¿¡ LabelEncoder·Î ¹®ÀÚ¿À» ¼ýÀÚ·Î º¯È¯ÇÑ´Ù. ¿ªÀ¸·Î ¼ýÀÚ¸¦ ¹®ÀÚ¿·Î º¯È¯ ÇÒ¼öµµ ÀÖ´Ù. LabelEncoder¸¦ ¾Ë¾Æ º¸±âÀü¿¡ »çÀÌŶ·±ÀÇ fit, transformÀÇ °³³ä¿¡ ´ëÇؼ ¾Ë¾Æº¸ÀÚ. fit : - ÀÔ·Â µ¥ÀÌÅÍ¿¡ ¸Ó½Å ·¯´× ¸ðµ¨À» ¸ÂÃá´Ù - Áï, ÀÔ·Â µ¥ÀÌÅÍ¿¡ ¸ÂÃç »çÀü ÀÛ¾÷À» ÇÑ´Ù. - ±âÁØÀ» ¼³Á¤ÇÑ´Ù. - µ¥ÀÌÅÍÀÇ Ä®·³º°·Î Æò±Õ, Ç¥ÁØÆíÂ÷µîÀ» ±¸Çؼ °ªÀ» ÀúÀåÇÑ´Ù. transform: - fit¿¡ ±¸ÇÑ °ªÀ» ±âÁØÀ¸·Î µ¥ÀÌÅ͸¦ º¯ÇüÇÑ´Ù. from sklearn.preprocessing import LabelEncoder
import numpy as np fruits = ['apple', 'orange', 'mandarin'] »çÀÌŶ·±ÀÇ LabelEncoder¸¦ ÀÓÆ÷Æ® ÇÏ°í °úÀÏ(fruits) ¸®½ºÆ®¸¦ ¸¸µç´Ù. #LabelEncoder »ý¼º, ÇнÀ, º¯È¯
encoder = LabelEncoder() encoder.fit(fruits) labels = encoder.transform(fruits) labels array([0, 2, 1]) ¶óº§ÀÎÄÚ´õ·Î »ý¼ºÇÑ´Ù. encoder = LabelEncoder() ¶óº§ÀÎÄÚ´õ·Î ÇнÀÇÑ´Ù. encoder.fit(fruits) ¶óº§ÀÎÄÚ´õ·Î ¼ýÀÚ·Î º¯È¯ÇÑ´Ù. labels = encoder.transform(fruits) #encoderÀÇ Å¬·¡½º Ãâ·Â
encoder.classes_ array(['apple', 'mandarin', 'orange'], dtype='<U8') encoderÀÇ Å¬·¡½º¸¦ Ãâ·ÂÇÑ´Ù. encoder.inverse_transform([0, 1, 2])
array(['apple', 'mandarin', 'orange'], dtype='<U8') encoder.iverse_transform ÇÔ¼ö·Î ¿ø·¡ ¹®ÀÚ¿·Î º¯È¯ ÇÒ¼öµµ ÀÖ´Ù. |