我正在进行一个预测项目（纯属娱乐），我从nltk中提取了男性和女性的名字，将名字标记为“男性”或“女性”，然后获取每个名字的最后一个字母，最后使用不同的机器学习算法根据最后一个字母来训练和预测性别。
我们知道Python的sklearn不处理分类数据，所以我使用LabelEncoder将最后一个字母转换为数值：
转换前：
name last_letter gender0 Aamir r male1 Aaron n male2 Abbey y male3 Abbie e male4 Abbot t male name last_letter gender0 Abagael l female1 Abagail l female2 Abbe e female3 Abbey y female4 Abbi i female如果我们合并两个数据框，删除名字列并打乱顺序：
last_letter gender0 a male1 e female2 g male3 h male4 e male然后我使用了LabelEncoder：
from sklearn.preprocessing import LabelEncoderlabel_encoder = LabelEncoder()for col in df.columns: df[col]= label_encoder.fit_transform(df[col])df.head()数据框变为：
last_letter gender0 1 male1 5 female2 7 male3 8 male4 5 male如你所见，在训练模型后（假设这里使用的是随机森林），如果我想用模型预测一个随机字母
e.g. rf_model.predict('a')这是行不通的，因为模型只接受数值。在这种情况下，如果我这样做：
rf_model.predict(1) (假设字母'a'被编码为数字1)模型预测结果返回
array([1])那么我该如何做类似的事情：
rf_model.predict('a') 并得到像“女性”或“男性”这样的结果，而不是输入一个数值并得到一个数值结果呢？
回答：
只需使用你创建的同一个LabelEncoder！因为你已经用训练数据fit了它，你可以直接用transform函数应用新数据。
In [2]: from sklearn.preprocessing import LabelEncoderIn [3]: label_encoder = LabelEncoder()In [4]: label_encoder.fit_transform(['a', 'b', 'c'])Out[4]: array([0, 1, 2])In [5]: label_encoder.transform(['a'])Out[5]: array([0])要与RandomForestClassifier一起使用，
In [59]: from sklearn.ensemble import RandomForestClassifierIn [60]: X = ['a', 'b', 'c']In [61]: y = ['male', 'female', 'female']In [62]: X_encoded = label_encoder.fit_transform(X)In [63]: rf_model = RandomForestClassifier()In [64]: rf_model.fit(X_encoded[:, None], y)Out[64]: RandomForestClassifier(bootstrap=True, class_weight=None, criterion='gini', max_depth=None, max_features='auto', max_leaf_nodes=None, min_impurity_split=1e-07, min_samples_leaf=1, min_samples_split=2, min_weight_fraction_leaf=0.0, n_estimators=10, n_jobs=1, oob_score=False, random_state=None, verbose=0, warm_start=False)In [65]: x = ['a']In [66]: x_encoded = label_encoder.transform(x)In [67]: rf_model.predict(x_encoded[:, None])Out[67]: array(['male'], dtype='<U6')如你所见，如果你用它们来拟合分类器，你可以直接从分类器中得到字符串输出'male', 'female'。
