label_binarize、LabelBinarizer和La

这几个玩意儿对于一个小白来说，真的被绕死了。

先来一个别人的解释

https://www.jianshu.com/p/2a30846eb4f0

小白总结一下个人理解的，分类变量编码转换方法：

LabelEncoder

LabelEncoder可以将值转换为0~n-1个类型，也可以用来将非数值的标签转换为数值标签（需要确保非数值标签是可比的和可哈希的）

即，将类型变量转换为数值组成的数组。产生结果为连续型特征。

from sklearn import preprocessing
le = preprocessing.LabelEncoder()
y=["paris", "paris", "tokyo", "amsterdam"]
y_le = le.fit_transform(y)
print('=========y_le is========= ')
print(y_le)
print('=========classes is========= ')
print(list(le.classes_))

得到的结果为：

=========y_le is========= 
[1 1 2 0] 
=========classes is========= 标签列表
['amsterdam', 'paris', 'tokyo']

OneHotEncoder

将数值类型属性转换成独热编码的数值型数组。使用LabelEncoder会以为两个相近的数字比两个较远的数字更为相似一些，为了解决这个问题，使用独热编码，即OneHot编码，得到的输出结果默认是稀疏矩阵，可以使用toarray()方法完成转换。

label_binarize

from sklearn.preprocessing import label_binarize

label_binarize(y, classes, neg_label=0, pos_label=1, sparse_output=False)

固定类别数量的标签转换（1.受到classes顺序的影响；2.如果某类不存在，则相应位置为0）

例如：

from sklearn.preprocessing import label_binarize

array=label_binarize([1, 6], classes=[1, 2, 4, 6])

print('=========array is========= ')
print(array)

array1=label_binarize([1, 6], classes=[1, 6, 4, 2])

print('=========array1 is========= ')
print(array1)

得到的结果为：

=========array is=========
[[1 0 0 0]
 
[0 0 0 1]]
 
=========array1 is=========
 
[[1 0 0 0]
 
[0 1 0 0]]

LabelBinerizer

from sklearn.preprocessing import LabelBinarizer
y_bina=LabelBinarizer().fit_transform(y)

LabelBinarizer将标签二值化为一对多的形式。默认直接返回一个密集的NumPy数组，通过使用sparse_output=True给LabelBinarizer构造函数，可以得到稀疏矩阵。与label_binarize结果形式一致，只是不固定标签数量，以传入的标签为准。

总结

LabelEncoder：将类型变量转换为数值组成的数组。

LabelBinerizer：将标签二值化为一对多的形式。不限定类别数量，取输入标签的类别

label_binarize：将标签二值化为一对多的形式。限定类别数量。如果某类别在所有标签中均未出现，则对应未知为0

在标签数量一致的情况下，LabelBinerizer 和 label_binarize 的结果是一样的。如果已知标签数量，但是输入的标签样本不全，那么最好使用label_binarize，若使用 LabelBinerizer，则未在标签样本中出现的标签值会不被识别

即：

n_class = len(set(y)) # 类别数量
le = LabelEncoder() 
y_le = le.fit_transform(y)
y_bina=LabelBinarizer().fit_transform(y)
y_bina1 = label_binarize(y_le, np.arange(n_class))

结果：
y_bina = y_bina