11.sklearn.preprocessing.LabelEncoder的作用

In [5]: from sklearn import preprocessing  
   ...: le =preprocessing.LabelEncoder()  
   ...: le.fit(["paris", "paris", "tokyo", "amsterdam"])  
   ...: print('標簽個數:%s'% le.classes_)  
   ...: print('標簽值標准化:%s' % le.transform(["tokyo", "tokyo", "paris"]))  
   ...: print('標准化標簽值反轉:%s' % le.inverse_transform([2, 2, 1]))  
   ...:  
標簽個數:['amsterdam' 'paris' 'tokyo']  
標簽值標准化:[2 2 1]  
標准化標簽值反轉:['tokyo' 'tokyo' 'paris']  

sklearn.preprocessing.LabelEncoder()：標准化標簽，將標簽值統一轉換成range(標簽值個數-1)范圍內

例如

["paris", "paris", "tokyo", "amsterdam"]；里面不同的標簽數目是3個，則標准化標簽之后就是0，1，2，並且根據字典排序