Python sklearn MultiLabelBinarizer用法及代码示例

本文简要介绍python语言中 sklearn.preprocessing.MultiLabelBinarizer 的用法。

用法:

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

在可迭代的迭代和多标签格式之间进行转换。

尽管集合或元组列表是多标签数据的一种非常直观的格式，但处理起来很笨拙。这个转换器在这种直观的格式和支持的多标签格式之间进行转换：一个(样本 x 类)二进制矩阵，指示类标签的存在。

参数：

classes：形状类似数组 (n_classes,)，默认=无

指示类标签的排序。所有条目都应该是唯一的(不能包含重复的类)。

sparse_output：布尔，默认=假

如果需要 CSR 稀疏格式的输出二进制数组，则设置为 True。

属性：

classes_：ndarray 形状 (n_classes,)

classes 参数的副本(如果提供)。否则，它对应于拟合时找到的已排序的类集。

例子：

>>> 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)

为了纠正这个问题，标签列表应该传递为：

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