从 Scikit-learn 中的序数编码获取基数

Question

我正在使用 OrdinalEncoder 在 Scikit-learn 中对分类数据进行编码，我正在寻找一种方法来获取有关编码的详细信息。 IE。每个特征的基数，甚至数字和类别之间的精确映射。

缺少 inverse_transform 方法，我看不到这样做的方法。我想尽可能普遍地这样做，即事先不知道类别。

我知道序号编码的问题（onehot 不适合我）。我也看过 DictVectorizer 但我不确定它是否合适。

Answer 1

好的，所以我重新创建了官方文档示例，

from sklearn.preprocessing import OrdinalEncoder
enc = OrdinalEncoder()
X = [['Male', 1], ['Female', 3], ['Female', 2]]
enc.fit(X)

现在，如果您想查看编码，只需调用 categories_ 属性即可，因此在本例中：

print(enc.categories_)
#Output: [array(['Female', 'Male'], dtype=object), array([1, 2, 3], dtype=object)]

现在，这只是 returns 编码的特征，而不是它们的编码。但是，它们的索引本身就是编码。例如，在这种情况下，Female 被编码为 0，Male 被编码为 1，然后前进到下一组特征，1被编码为0，2被编码为1等等。

所以，如果我想获得 Female 和 Male 的编码：

encoding = enc.categories_
encoding_sex = dict(zip((encoding[0]), range(len(encoding[0]))))
print(encoding_sex)
# Output: {'Female': 0, 'Male': 1}

现在，如果您想将上述方法推广到所有功能并使其更快，请执行以下操作：

encoding = enc.categories_
encoding_feature = lambda x: dict(zip(x, range(len(x))))
encoding_full = [encoding_feature(feature_elem) for feature_elem in encoding]
print(encoding_full)
# Output: [{'Female': 0, 'Male': 1}, {1: 0, 2: 1, 3: 2}]

Answer 2

categories_ 确实有 inverse_transform 需要的映射。您可以查看 inverse_transform 代码 here.

可能您正在寻找数字和类别之间的明确字典，然后使用

>>> from sklearn.preprocessing import OrdinalEncoder
>>> enc = OrdinalEncoder()
>>> X = [['Male', 1], ['Female', 3], ['Female', 2]]
>>> enc.fit(X)
... 
OrdinalEncoder(categories='auto', dtype=<... 'numpy.float64'>)

>>> [dict(enumerate(mapping)) for mapping in enc.categories_]
# [{0: 'Female', 1: 'Male'}, {0: 1, 1: 2, 2: 3}]

从 Scikit-learn 中的序数编码获取基数

Getting cardinality from ordinal encoding in Scikit-learn

encoding

scikit-learn

categorical-data