【火爐煉AI】機(jī)器學(xué)習(xí)002-標(biāo)記編碼方法

(本文所使用的Python庫和版本號: Python 3.5, Numpy 1.14, scikit-learn 0.19, matplotlib 2.2 )

監(jiān)督學(xué)習(xí)中的標(biāo)記的形式有各種各樣，比如對于人臉識別的標(biāo)記，可能是[“小紅”，“小花”，“翠花”。。。]，這些標(biāo)記對于機(jī)器學(xué)習(xí)來說，如同天書一般，故而為了讓機(jī)器學(xué)習(xí)“看懂”這些標(biāo)記，需要將這些文本類的標(biāo)記進(jìn)行一定的編碼，形成比如【3,2,4,0，…】等形式.

1. 編碼方法

有很多python模塊可以實現(xiàn)對標(biāo)記進(jìn)行編碼，此處使用scikit-learn模塊中的preprocessing包來進(jìn)行編碼。Talk is cheap, just show me the code….

# *****************對label進(jìn)行編碼********************************
from sklearn import preprocessing

# 構(gòu)建編碼器
encoder=preprocessing.LabelEncoder() # 先定義一個編碼器對象
raw_labels=['翠花','張三','王寶強(qiáng)','芙蓉姐姐','鳳姐','王寶強(qiáng)','鳳姐']
encoder.fit(raw_labels) # 返回自己的一個實例
print('編碼器列表：{}'.format(encoder.classes_)) # 返回編碼器中所有類別，已經(jīng)排除了重復(fù)項
for index,item in enumerate(encoder.classes_):
    print('{} --> {}'.format(item,index))
    
# 使用編碼器來編碼新樣本數(shù)據(jù)
need_encode_labels=['王寶強(qiáng)','芙蓉姐姐','翠花']
# need_encode_labels=['王寶強(qiáng)','芙蓉姐姐','翠花','無名氏'] 
# '無名氏'不存在編碼器列表中，會報錯
encoded_labels=encoder.transform(need_encode_labels)
print('\n編碼之前的標(biāo)記：{}'.format(need_encode_labels))
print('編碼之后的標(biāo)記：{}'.format(encoded_labels))

# 使用編碼器將編碼數(shù)字解碼成原來的文本標(biāo)記，注意最大值不能超過編碼器中的長度
encoded=[1,3,0,4]
# encoded=[1,3,0,4,5] # 5不存在與編碼器中，故報錯
decoded_labels=encoder.inverse_transform(encoded)
print('\n已經(jīng)編碼的標(biāo)記代碼：{}'.format(encoded))
print('解碼后的標(biāo)記：{}'.format(decoded_labels))

-------------------------------------輸---------出--------------------------------

編碼器列表：['鳳姐' '張三' '王寶強(qiáng)' '翠花' '芙蓉姐姐']
鳳姐 --> 0
張三 --> 1
王寶強(qiáng) --> 2
翠花 --> 3
芙蓉姐姐 --> 4

編碼之前的標(biāo)記：['王寶強(qiáng)', '芙蓉姐姐', '翠花']
編碼之后的標(biāo)記：[2 4 3]

已經(jīng)編碼的標(biāo)記代碼：[1, 3, 0, 4]
解碼后的標(biāo)記：['張三' '翠花' '鳳姐' '芙蓉姐姐']

--------------------------------------------完-------------------------------------

########################小**********結(jié)###############################

1，使用sklearn的preprocessing模塊對標(biāo)記進(jìn)行編碼是非常簡單的，首先構(gòu)建一個基于所有標(biāo)記數(shù)據(jù)的編碼器，然后使用該編碼器進(jìn)行編碼或解碼

2，需要注意，在編碼時，如果遇到編碼器中沒有的標(biāo)記時會報錯，在解碼時也一樣。

#################################################################

注：本部分代碼已經(jīng)全部上傳到（我的github）上，歡迎下載。

參考資料:

1, Python機(jī)器學(xué)習(xí)經(jīng)典實例，Prateek Joshi著，陶俊杰，陳小莉譯