sklearn 管道中的持久标签编码答案

【问题标题】：persistent label encoding in sklearn pipelinesklearn 管道中的持久标签编码
【发布时间】：2017-03-10 03:44:50
【问题描述】：

我可以将相同的字符串持续编码到同一列吗？ Label encoding across multiple columns in scikit-learn 提出了一种处理具有多个分类值的数据框的好方法。但是，我不确定这是否正确地持续存在（在泡菜中）并且是否会再次为新传入的数据应用相同的标签。

到目前为止，我直接使用 pandas 并通过.cat.codes 获取类别值的标签。但是现在我需要将标签编码集成到管道中来处理新的传入数据。

想要什么

le = LabelEncoder()
for col in df.select_dtypes([], ['object'].columns:
    df[col] = le.fit_transform(df[col])

或者MultiColumnLabelEncoder 的建议解决方案足以完成我的任务？

【问题讨论】：

【解决方案1】：

所以我使用了前面提到的多列解决方案，效果很好。

【讨论】：

【解决方案2】：

遇到了同样的问题并且能够找到解决方法，如果我们可以保存编码器实例信息，我们可以重用它来产生预期的输出。下面的链接有详细的答案： Using Scikit's LabelEncoder correctly across multiple programs

【讨论】：

【解决方案3】：

对于更通用的方法，here 是一个自定义函数，分别用于拟合和变换，

功能代码和工作示例请参考这里，

来源：Link

【讨论】：