MultiLabelBinarizer#

class sklearn.preprocessing.MultiLabelBinarizer(*, classes=None, sparse_output=False)#

转换可迭代对象和多标签格式之间的转换。

尽管使用集合或元组列表作为多标签数据是一种非常直观的格式，但它不便于处理。这个转换器在直观的格式和支持的多标签格式之间进行转换：一个表示类标签存在性的（样本 x 类别）二进制矩阵。

Parameters:
classes形状为 (n_classes,) 的类数组, default=None

指示类标签的顺序。 所有条目应该是唯一的（不能包含重复的类）。

sparse_outputbool, default=False

如果希望输出二进制数组为CSR稀疏格式，则设置为True。

Attributes:
classes_形状为 (n_classes,) 的ndarray

当提供时，是 classes 参数的副本。 否则，它对应于在拟合时找到的类标签的排序集合。

See also

OneHotEncoder

使用一种热编码方案对分类特征进行编码。

Examples

>>> from sklearn.preprocessing import MultiLabelBinarizer
>>> mlb = MultiLabelBinarizer()
>>> mlb.fit_transform([(1, 2), (3,)])
array([[1, 1, 0],
       [0, 0, 1]])
>>> mlb.classes_
array([1, 2, 3])

>>> mlb.fit_transform([{'sci-fi', 'thriller'}, {'comedy'}])
array([[0, 1, 1],
       [1, 0, 0]])
>>> list(mlb.classes_)
['comedy', 'sci-fi', 'thriller']

一个常见的错误是传入一个列表，这会导致以下问题：

>>> mlb = MultiLabelBinarizer()
>>> mlb.fit(['sci-fi', 'thriller', 'comedy'])
MultiLabelBinarizer()
>>> mlb.classes_
array(['-', 'c', 'd', 'e', 'f', 'h', 'i', 'l', 'm', 'o', 'r', 's', 't',
    'y'], dtype=object)

要纠正这一点，标签列表应作为以下形式传入：

>>> mlb = MultiLabelBinarizer()
>>> mlb.fit([['sci-fi', 'thriller', 'comedy']])
MultiLabelBinarizer()
>>> mlb.classes_
array(['comedy', 'sci-fi', 'thriller'], dtype=object)
fit(y)#

拟合标签集二值化器，存储 classes_ 。

Parameters:
y可迭代对象的可迭代对象

每个样本的一组标签（任何可排序和可哈希的对象）。如果设置了 classes 参数， y 将不会被迭代。

Returns:
selfobject

拟合的估计器。

fit_transform(y)#

拟合标签集二值化器并转换给定的标签集。

Parameters:
y可迭代对象的可迭代对象

每个样本的一组标签（任何可排序和可哈希的对象）。如果设置了 classes 参数， y 将不会被迭代。

Returns:
y_indicator{ndarray, 稀疏矩阵}，形状为 (n_samples, n_classes)

一个矩阵，使得 y_indicator[i, j] = 1 当且仅当 classes_[j] 在 y[i] 中，否则为 0。稀疏矩阵将是 CSR 格式。

get_metadata_routing()#

获取此对象的元数据路由。

请查看 用户指南 以了解路由机制的工作原理。

Returns:
routingMetadataRequest

MetadataRequest 封装的 路由信息。

get_params(deep=True)#

获取此估计器的参数。

Parameters:
deepbool, 默认=True

如果为True，将返回此估计器和包含的子对象（也是估计器）的参数。

Returns:
paramsdict

参数名称映射到它们的值。

inverse_transform(yt)#

将给定的指示矩阵转换为标签集。

Parameters:
yt{ndarray, sparse matrix}，形状为 (n_samples, n_classes)

一个仅包含1和0的矩阵。

Returns:
y元组列表

每个样本的标签集，使得 y[i] 由 classes_[j] 组成，其中 yt[i, j] == 1 。

set_output(*, transform=None)#

设置输出容器。

请参阅 介绍 set_output API 以了解如何使用API的示例。

Parameters:
transform{“default”, “pandas”, “polars”}, 默认=None

配置 transform 和 fit_transform 的输出。

  • "default" : 转换器的默认输出格式

  • "pandas" : DataFrame 输出

  • "polars" : Polars 输出

  • None : 转换配置不变

Added in version 1.4: "polars" 选项已添加。

Returns:
self估计器实例

估计器实例。

set_params(**params)#

设置此估计器的参数。

该方法适用于简单估计器以及嵌套对象（例如 Pipeline ）。后者具有形式为 <component>__<parameter> 的参数，以便可以更新嵌套对象的每个组件。

Parameters:
**paramsdict

估计器参数。

Returns:
selfestimator instance

估计器实例。

transform(y)#

转换给定的标签集。

Parameters:
y可迭代对象的可迭代对象

每个样本的一组标签（任何可排序和可哈希的对象）。如果设置了 classes 参数， y 将不会被迭代。

Returns:
y_indicator数组或CSR矩阵，形状为(n_samples, n_classes)

一个矩阵，使得 y_indicator[i, j] = 1 当且仅当 classes_[j] 在 y[i] 中，否则为0。

On this page
Show Source