如何执行具有特定维数的 MultiLabelBinarizer？

Question

我想知道是否有办法在 sklearn 中以特定维度执行 MultiLabelBinarizer。 例如我们有如下代码：

from sklearn.preprocessing import MultiLabelBinarizer

y = [[2, 3, 4], [2], [0, 1, 3], [0, 1, 2, 3, 4], [0, 1, 2]]

MultiLabelBinarizer().fit_transform(y)

We will get the dimension 5 as the existed numbers are 0,1..,4

array([[0, 0, 1, 1, 1],
       [0, 0, 1, 0, 0],
       [1, 1, 0, 1, 0],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 0, 0]])

我的问题是，我们如何获得该数组的特定维数，例如维数 6，所以答案应该提供：

array([[0, 0, 1, 1, 1, 0],
       [0, 0, 1, 0, 0, 0],
       [1, 1, 0, 1, 0, 0],
       [1, 1, 1, 1, 1, 0],
       [1, 1, 1, 0, 0, 0]])

有没有办法在 sklearn 或 python 中的其他方法或模块中做到这一点，可以轻松处理这种期望的结果，或者我们可以通过我们自己的算法创建这种数组？

对此的任何想法将不胜感激。 谢谢。

Answer 1

MultiLabelBinarizer接受参数classes ，您可以在其中指示要找到的类的顺序。 提供不在原始数组中的 class 将添加0个条目的额外维度：

from sklearn.preprocessing import MultiLabelBinarizer


y = [[2, 3, 4], [2], [0, 1, 3], [0, 1, 2, 3, 4], [0, 1, 2]]

MultiLabelBinarizer(classes=[0, 1, 2, 3, 4, 5]).fit_transform(y)

# output
>>>[[0 0 1 1 1 0]
 [0 0 1 0 0 0]
 [1 1 0 1 0 0]
 [1 1 1 1 1 0]
 [1 1 1 0 0 0]]

请注意，由于参数实际上是为了指示类的顺序，所以您提供的顺序很重要。 此外，当提供的类太少时，未知类将被忽略并且不会出现在转换后的数组中。