Python cuml.preprocessing.LabelBinarizer用法及代碼示例

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

用於標簽的multi-class 虛擬編碼器。

參數：

neg_label：整數: 用作負二元標簽的標簽
pos_label：整數: 用作正二元標簽的標簽
sparse_output：bool: 是否為轉換後的輸出返回稀疏數組
handle：cuml.Handle: 指定 cuml.handle 保存用於此模型中計算的內部 CUDA 狀態。最重要的是，這指定了將用於模型計算的 CUDA 流，因此用戶可以通過在多個流中創建句柄在不同的流中同時運行不同的模型。如果為 None，則創建一個新的。
verbose：int 或布爾值，默認=False: 設置日誌記錄級別。它必須是 cuml.common.logger.level_* 之一。有關詳細信息，請參閱詳細級別。
output_type：{‘input’, ‘cudf’, ‘cupy’, ‘numpy’, ‘numba’}，默認=無: 用於控製估計器的結果和屬性的輸出類型的變量。如果為 None，它將繼承在模塊級別設置的輸出類型 cuml.global_settings.output_type 。有關詳細信息，請參閱輸出數據類型配置。

例子：

創建一個帶有標簽的數組並對它們進行虛擬編碼

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)

輸出：

[[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]

屬性：

classes_：

相關用法

注：本文由純淨天空篩選整理自rapids.ai大神的英文原創作品 cuml.preprocessing.LabelBinarizer。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。