知识卡片

普通读书笔记卡 · 9243.c · 生成模型:GPT-6

标签编码器与特征编码器分工

理解等级:中级

LabelEncoder的接口职责是编码目标y,原例拿它处理输入cut只演示了整数映射。输入类别应按需求考虑特征编码方式,显式保存类别映射和未知类别规则,不能把编号大小解释成质量或距离。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      lbl_encode=LabelEncoder () lbl_encode.fit_transform (Diamond[‘cut’]) array([2, 3, 1, ..., 4, 3, 2]) Diamond[‘cut_label’]=lbl_encode.fit_transform(Diamond[“cut”]) Diamond[“cut_label”].value_counts() 2 21551 3 13791 4 12082 1 4906 0 1610 Name: cut_label, dtype: int64 Diamond[‘cut’].value_counts () Ideal 21551 Premium 13791 Very Good 12082 Good 4906

    参考来源

    - 位置:《Machine Learning Fundamentals: Concepts, Models, and Applications》第05章《使用数据》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/Machine Learning Fundamentals: Concepts, Models, and Applications/_epub-src/OEBPS/xhtml/17_chapter05.xhtml) - 结论依据:摘录中关于标签编码器与特征编码器分工的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。 - 原始内容:lbl_encode=LabelEncoder () lbl_encode.fit_transform (Diamond[‘cut’]) array([2, 3, 1, ..., 4, 3, 2]) Diamond[‘cut_label’]=lbl_encode.fit_transform(Diamond[“cut”]) Diamond[“cut_label”].value_counts() 2 21551 3 13791 4 12082 1 4906 0 1610 Name: cut_label, dtype: int64 Diamond[‘cut’].value_counts () Ideal 21551 Premium 13791 Very Good 12082 Good 4906 - 生成时纠错核验:[官方文档](https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.LabelEncoder.html)(2026-11-06;定义与接口职责,未执行书中示例)。