Python cuml.preprocessing.LabelBinarizer用法及代码示例

用法: class cuml.preprocessing.LabelBinarizer(*, neg_label=0, pos_label=1, sparse_output=False, handle=None, verbose=False, output_type=None)

用于标签的multi-class 虚拟编码器。

参数：

neg_label：整数: 用作负二元标签的标签
pos_label：整数: 用作正二元标签的标签
sparse_output：bool: 是否为转换后的输出返回稀疏数组
handle：cuml.Handle: 指定 cuml.handle 保存用于此模型中计算的内部 CUDA 状态。最重要的是，这指定了将用于模型计算的 CUDA 流，因此用户可以通过在多个流中创建句柄在不同的流中同时运行不同的模型。如果为 None，则创建一个新的。
verbose：int 或布尔值，默认=False: 设置日志记录级别。它必须是 cuml.common.logger.level_* 之一。有关详细信息，请参阅详细级别。
output_type：{‘input’, ‘cudf’, ‘cupy’, ‘numpy’, ‘numba’}，默认=无: 用于控制估计器的结果和属性的输出类型的变量。如果为 None，它将继承在模块级别设置的输出类型 cuml.global_settings.output_type 。有关详细信息，请参阅输出数据类型配置。

例子：

创建一个带有标签的数组并对它们进行虚拟编码

import cupy as cp
import cupyx
from cuml.preprocessing import LabelBinarizer

labels = cp.asarray([0, 5, 10, 7, 2, 4, 1, 0, 0, 4, 3, 2, 1],
                    dtype=cp.int32)

lb = LabelBinarizer()

encoded = lb.fit_transform(labels)

print(str(encoded)

decoded = lb.inverse_transform(encoded)

print(str(decoded)

输出：

[[1 0 0 0 0 0 0 0]
 [0 0 0 0 0 1 0 0]
 [0 0 0 0 0 0 0 1]
 [0 0 0 0 0 0 1 0]
 [0 0 1 0 0 0 0 0]
 [0 0 0 0 1 0 0 0]
 [0 1 0 0 0 0 0 0]
 [1 0 0 0 0 0 0 0]
 [1 0 0 0 0 0 0 0]
 [0 0 0 0 1 0 0 0]
 [0 0 0 1 0 0 0 0]
 [0 0 1 0 0 0 0 0]
 [0 1 0 0 0 0 0 0]]

 [ 0  5 10  7  2  4  1  0  0  4  3  2  1]

属性：

classes_：

相关用法

注：本文由纯净天空筛选整理自rapids.ai大神的英文原创作品 cuml.preprocessing.LabelBinarizer。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。