LabelBinarizer 函数与独热编码

数据处理时有时需要将离散特征进行独热编码或者哑变量编码。两者的区别如下所示

上述图片引用自 https://www.cnblogs.com/lianyingteng/p/7792693.html
两者区别似乎不是很大。

LabelBinarizer 将标签矩阵二值化

from sklearn import preprocessing
from sklearn import tree

# help(preprocessing.LabelBinarizer)#取消注释可以查看详细用法

# 特征矩阵
featureList=[[1,0],[1,1],[0,0],[0,1]]
# 标签矩阵
labelList=['yes', 'no', 'no', 'yes']
labelList1=['yes', 'no', 'no', 'yes','three']
# 将标签矩阵二值化
lb = preprocessing.LabelBinarizer()
dummY=lb.fit_transform(labelList)
dummY1=lb.fit_transform(labelList1)
print(dummY)
print(dummY1)

结果如下所示，当标签仅有yes no两种时，labelBinarizer将之转换为1，0的矩阵，而当标签存在多种时，其结果类似于上面说的独热编码

#pd中的get_dummies 是利用pandas实现one hot encode的方式,将数据转换为矩阵形式

另一个例子

from sklearn.preprocessing import label_binarize
print(Y_test[0:15])
y_test_hot = label_binarize(Y_test,classes=(1,2,3))
print(y_test_hot[0:5])
print(y_test_hot.ravel()[0:15])