`sklearn.preprocessing`.MultiLabelBinarizer¶

class sklearn.preprocessing.MultiLabelBinarizer¶

Transformación entre iterable de iterables y un formato multietiqueta.

Aunque una lista de conjuntos o tuplas es un formato muy intuitivo para los datos multietiqueta, su procesamiento es difícil de manejar. Este transformador convierte entre este formato intuitivo y el formato de etiquetas múltiples admitido: una matriz binaria (muestras x clases) que indica la presencia de una etiqueta de clase.

Parámetros

classesarray-like de forma (n_classes,), default=None: Indica un orden para las etiquetas de las clases. Todas las entradas deben ser únicas (no pueden contener clases duplicadas).
sparse_outputbooleano, default=False: Establécelo en True si deseas un arreglo binario de salida en formato CSR disperso.

Atributos

classes_ndarray de forma (n_classes,): Una copia del parámetro classes cuando se proporciona. En caso contrario, corresponde al conjunto ordenado de clases que se encuentran al ajustar.

Ver también

OneHotEncoder: Codifica las características categóricas utilizando un esquema one-hot también conocido como uno de K (one-of-K).

Ejemplos

>>> from sklearn.preprocessing import MultiLabelBinarizer
>>> mlb = MultiLabelBinarizer()
>>> mlb.fit_transform([(1, 2), (3,)])
array([[1, 1, 0],
       [0, 0, 1]])
>>> mlb.classes_
array([1, 2, 3])

>>> mlb.fit_transform([{'sci-fi', 'thriller'}, {'comedy'}])
array([[0, 1, 1],
       [1, 0, 0]])
>>> list(mlb.classes_)
['comedy', 'sci-fi', 'thriller']

Un error común es pasar una lista (list), lo que lleva al siguiente problema:

>>> mlb = MultiLabelBinarizer()
>>> mlb.fit(['sci-fi', 'thriller', 'comedy'])
MultiLabelBinarizer()
>>> mlb.classes_
array(['-', 'c', 'd', 'e', 'f', 'h', 'i', 'l', 'm', 'o', 'r', 's', 't',
    'y'], dtype=object)

Para corregir esto, la lista de etiquetas debe pasarse como:

>>> mlb = MultiLabelBinarizer()
>>> mlb.fit([['sci-fi', 'thriller', 'comedy']])
MultiLabelBinarizer()
>>> mlb.classes_
array(['comedy', 'sci-fi', 'thriller'], dtype=object)

Métodos

`fit`	Ajusta el binarizador de conjuntos de etiquetas, almacenando classes_.
`fit_transform`	Ajusta el binarizador de conjuntos de etiquetas y transforma los conjuntos de etiquetas dados.
`get_params`	Obtiene los parámetros para este estimador.
`inverse_transform`	Transforma la matriz indicatriz dada en conjuntos de etiquetas.
`set_params`	Establece los parámetros de este estimador.
`transform`	Transforma los conjuntos de etiquetas dados.

fit()¶

Ajusta el binarizador de conjuntos de etiquetas, almacenando classes_.

Parámetros

yiterable of iterables: Un conjunto de etiquetas (cualquier objeto ordenable y hashable) para cada muestra. Si se establece el parámetro classes, no se iterará y.

Devuelve

selfdevuelve la instancia de MultiLabelBinarizer

fit_transform()¶

Ajusta el binarizador de conjuntos de etiquetas y transforma los conjuntos de etiquetas dados.

Parámetros

yiterable of iterables: Un conjunto de etiquetas (cualquier objeto ordenable y hashable) para cada muestra. Si se establece el parámetro classes, no se iterará y.

Devuelve

y_indicator{ndarray, sparse matrix} de forma (n_samples, n_classes): Una matriz tal que y_indicator[i, j] = 1 si y sólo si classes_[j] está en y[i], y 0 en caso contrario. La Matriz Dispersa tendrá el formato CSR.

get_params()¶

Obtiene los parámetros para este estimador.

Parámetros

deepbooleano, default=True: Si es True, devolverá los parámetros para este estimador y los subobjetos contenidos que son estimadores.

Devuelve

paramsdict: Los nombres de los parámetros mapeados a sus valores.

inverse_transform()¶

Transforma la matriz indicatriz dada en conjuntos de etiquetas.

Parámetros

yt{ndarray, sparse matrix} de forma (n_samples, n_classes): Una matriz que sólo contiene 1 (unos) y 0 (ceros).

Devuelve

ylista de tuplas: El conjunto de etiquetas para cada muestra tal que y[i] consta de classes_[j] para cada yt[i, j] == 1.

set_params()¶

Establece los parámetros de este estimador.

El método funciona tanto en estimadores simples como en objetos anidados (como Pipeline). Estos últimos tienen parámetros de la forma <component>__<parameter> para que sea posible actualizar cada componente de un objeto anidado.

Parámetros

**paramsdict: Parámetros del estimador.

Devuelve

selfinstancia de estimador: Instancia del estimador.

transform()¶

Transforma los conjuntos de etiquetas dados.

Parámetros

yiterable of iterables: Un conjunto de etiquetas (cualquier objeto ordenable y hashable) para cada muestra. Si se establece el parámetro classes, no se iterará y.

Devuelve

y_indicatorarreglo o matriz CSR, forma (n_samples, n_classes): Una matriz tal que y_indicator[i, j] = 1 si y sólo si classes_[j] está en y[i], y 0 de lo contrario.