Scikit-learn数据预处理分类变量编码之多标签二值化

1 声明

本文的数据来自网络，部分代码也有所参照，这里做了注释和延伸，旨在技术交流，如有冒犯之处请联系博主及时处理。

2 名义变量多标签二值化编码简介

名义变量(特征)是(nominal features)分类变量的一种，变量间没用次序和等级之分。比如性别的男、女；民族的汉族、回族、傣族等。

多标签二值编码(MultiLabelBinarizer)可以将该类型的变量（多标签）以二值的形式表示。比如在输入法皮肤的标签体系这个场景中，某款皮肤可以是暖色的、科技的、梦幻的多个标签。

注：这里主要针对原始分类变量是字符串的情况。

3名义变量多标签二值编码

import numpy as np
import pandas as pd
from sklearn.preprocessing import MultiLabelBinarizer
multilabel_feature = [("black", "dress"),
("red", "jeans"),
("blue", "shoe"),
("black", "jeans"),
("red", "shoe"),
("black", "jeans"),
("blue", "dress")]
one_hot_multilabel = MultiLabelBinarizer()
one_hot_multilabel_data=one_hot_multilabel.fit_transform(multilabel_feature)
print(one_hot_multilabel_data)
print(one_hot_multilabel.classes_)