我有一个CSV文件，其中包含两列：推文的“文本”和它的“标签”。每个推文可能属于以下四个类别之一：仇恨、中立、反仇恨和非亚洲侵略。我通过以下Python代码对训练和测试向量的Y值进行了独热编码：

encoder = LabelEncoder()y_train = encoder.fit_transform(train['Label'].values)y_train = to_categorical(y_train) y_test = encoder.fit_transform(test['Label'].values)y_test = to_categorical(y_test)

如果你打印第一个索引，会得到：

print(y_train[0])

结果是：

[0. 1. 0. 0.]

我们知道每个标签被转换为长度为4的向量，其中每个位置对应一个标签类别。我如何找出每个类别的位置呢？

例如：仇恨=0，反仇恨=1，…

回答：

首先要注意的是，encoder类先在训练集上拟合然后转换它，但只转换测试集！我建议使用inverse_transform方法来找回你的原始标签。

from sklearn import preprocessingle = preprocessing.LabelEncoder()le.fit(['Hate', 'Neutral', 'CounterHate and Non-Asian', 'Aggression'])print(list(le.classes_))print(le.transform(['CounterHate and Non-Asian', 'Hate', 'Neutral']))print(le.inverse_transform([2, 2, 1]))

输出结果：

['Aggression', 'CounterHate and Non-Asian', 'Hate', 'Neutral'][1 2 3]['Hate' 'Hate' 'CounterHate and Non-Asian']