Scikit learn 如何在LabelBinarizer sklearn中找到经过一次热编码后的类标签

我正在研究用于图像分类的cifar数据集。其中我使用了一个热编码类标签，如下所示：

lists = ['frog',
 'truck',
 'deer',
 'automobile',
 'bird',
 'horse',
 'ship',
 'cat',
 'dog',
 'airplane']

from sklearn.preprocessing import LabelBinarizer 
label_binarizer = LabelBinarizer()
label_binarizer.fit(lists)

def one_hot_encode(x):
     return label_binarizer.transform(x)

//here y_train is list of training labels
y_train = one_hot_encode(y_train)

print(y_train[0])
// output as [0 0 0 0 0 0 1 0 0 0] 

这意味着从列表中发货还是其他什么？如果还有什么事，谁能帮我上这门课

---

据我所知，我在火车标签列表中的第一个元素是青蛙，不是船。谢谢。

它们可能没有按照您的意愿订购。您可以构建映射表（dict）以供进一步使用，如：

dict={}
for i in range(len(lists)):
    dict[lists[i]]=y_train[i]

print("your mapping table:\n",dict)
print("\any value is then  accessable by value:\n",'ship',dict['ship'])

---

LabelBinarizer有一个逆_变换函数，可用于从一个热编码值返回原始值。 检查

顺便说一下，这些值将按字母顺序存储在LabelBinarizer中

例如：

label_binarizer.inverse_transform([y_train[0]])
Output:  'frog'