Метод Inverse_transform (LabelEncoder)

Question

Ниже вы можете найти код, который я нашел в интернете, для создания простой нейронной сети.Everyhting работает отлично, но когда я закодировал метки y, я получил предсказания:

2 0 1 2 1 2 2 0 2 1 0 0 0 1 1 1 1 1 1 1 2 1 2 1 0 10 1 0 2

Так что теперь мне нужно преобразовать его обратно в исходный класс цветов (Iris-virginica и т. Д.).Мне нужно использовать метод inverse_transform, но вы можете помочь?

import pandas as pd
from sklearn import preprocessing
from sklearn.model_selection import train_test_split
from sklearn.neural_network import MLPClassifier
from sklearn.metrics import classification_report, confusion_matrix 


# Location of dataset
url = "https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data"

# Assign colum names to the dataset
names = ['sepal-length', 'sepal-width', 'petal-length', 'petal-width', 'Class']

# Read dataset to pandas dataframe
irisdata = pd.read_csv(url, names=names)  

irisdata.head()
#head_tableau=irisdata.head()
#print(head_tableau)

# Assign data from first four columns to X variable
X = irisdata.iloc[:, 0:4]

# Assign data from first fifth columns to y variable
y = irisdata.select_dtypes(include=[object])  

y.head()
#afficher_y=y.head()
#print(afficher_y)

y.Class.unique()
#affiche=y.Class.unique()
#print(affiche)

le = preprocessing.LabelEncoder()

y = y.apply(le.fit_transform)  

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.20)

mlp = MLPClassifier(hidden_layer_sizes=(10, 10, 10), max_iter=1000)  
mlp.fit(X_train, y_train.values.ravel())

predictions = mlp.predict(X_test)
print(predictions)

Answer 1

Вы на правильном пути:

In [7]: le.inverse_transform(predictions[:5])
Out[7]: 
array(['Iris-virginica', 'Iris-setosa', 'Iris-setosa', 'Iris-versicolor',
       'Iris-virginica'], dtype=object)