11.sklearn.preprocessing.LabelEncoder的做用

In [5]: from sklearn import preprocessing  
   ...: le =preprocessing.LabelEncoder()  
   ...: le.fit(["paris", "paris", "tokyo", "amsterdam"])  
   ...: print('標籤個數:%s'% le.classes_)  
   ...: print('標籤值標準化:%s' % le.transform(["tokyo", "tokyo", "paris"]))  
   ...: print('標準化標籤值反轉:%s' % le.inverse_transform([2, 2, 1]))  
   ...:  
標籤個數:['amsterdam' 'paris' 'tokyo']  
標籤值標準化:[2 2 1]  
標準化標籤值反轉:['tokyo' 'tokyo' 'paris']  

sklearn.preprocessing.LabelEncoder()：標準化標籤，將標籤值統一轉換成range(標籤值個數-1)範圍內

例如

["paris", "paris", "tokyo", "amsterdam"]；裏面不一樣的標籤數目是3個，則標準化標籤以後就是0，1，2，而且根據字典排序