{"id":3557,"date":"2023-07-16T20:42:07","date_gmt":"2023-07-16T20:42:07","guid":{"rendered":"https:\/\/statorials.org\/id\/label-sklearn-mengkodekan-beberapa-kolom\/"},"modified":"2023-07-16T20:42:07","modified_gmt":"2023-07-16T20:42:07","slug":"label-sklearn-mengkodekan-beberapa-kolom","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/label-sklearn-mengkodekan-beberapa-kolom\/","title":{"rendered":"Scikit-learn: menggunakan pengkodean label multi-kolom"},"content":{"rendered":"

<\/p>\n

\n

Dalam pembelajaran mesin, pengkodean label<\/strong> adalah proses mengubah nilai variabel kategori<\/a> menjadi nilai integer.<\/span><\/p>\n

Misalnya, tangkapan layar berikut menunjukkan cara mengonversi setiap nilai unik dari variabel kategori yang disebut Tim<\/strong> menjadi nilai bilangan bulat berdasarkan urutan abjad:<\/span> <\/p>\n

\"\"<\/p>\n

Anda dapat menggunakan sintaks berikut untuk melakukan pengkodean label multi-kolom dengan Python:<\/span><\/p>\n

 from<\/span> sklearn. preprocessing<\/span> import<\/span> LabelEncoder\n\n#perform label encoding on col1, col2 columns\n<\/span>df[[' col1<\/span> ', ' col2<\/span> ']] = df[[' col1<\/span> ', ' col2<\/span> ']]. apply<\/span> (LabelEncoder(). fit_transform<\/span> )\n<\/strong><\/pre>\n
 Contoh berikut menunjukkan cara menggunakan sintaksis ini dalam praktiknya.<\/span><\/p>\n
 Contoh: pengkodean label dengan Python<\/strong><\/span><\/h2>\n
 Misalkan kita memiliki pandas DataFrame berikut yang berisi informasi tentang berbagai pemain bola basket:<\/span><\/p>\n
 import<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\ndf = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'A', 'B', 'B', 'B', 'C', 'C', 'D'],\n                   ' position<\/span> ': ['G', 'F', 'G', 'F', 'F', 'G', 'G', 'F'],\n                   ' all_star<\/span> ': ['Y', 'N', 'Y', 'Y', 'Y', 'N', 'Y', 'N'],\n                   ' points<\/span> ': [11, 8, 10, 6, 6, 5, 9, 12]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n  team position all_star points\n0 AGY 11\n1 AFN 8\n2 BGY 10\n3 BFY 6\n4 BFY 6\n5 CGN 5\n6 CGY 9\n7 DFN 12\n<\/strong><\/span><\/pre>\n
 Kita dapat menggunakan kode berikut untuk melakukan pengkodean label guna mengonversi setiap nilai kategorikal di kolom team<\/strong> , position<\/strong> , dan all_star<\/strong> menjadi nilai integer:<\/span><\/p>\n
 from<\/span> sklearn. preprocessing<\/span> import<\/span> LabelEncoder\n\n#perform label encoding across team, position, and all_star columns\ndf[[' team<\/span> ', ' position<\/span> ', ' all_star<\/span> ']] = df[[' team<\/span> ', ' position<\/span> ', ' all_star<\/span> ']]. apply<\/span> (LabelEncoder(). fit_transform<\/span> )\n<\/span>\n#view udpated DataFrame\nprint<\/span> (df)\n\n   team position all_star points\n0 0 1 1 11\n1 0 0 0 8\n2 1 1 1 10\n3 1 0 1 6\n4 1 0 1 6\n5 2 1 0 5\n6 2 1 1 9\n7 3 0 0 12<\/span><\/span><\/strong><\/pre>\n
 Dari hasilnya terlihat bahwa setiap nilai kolom team<\/strong> , position<\/strong> dan all_star<\/strong> telah diubah menjadi nilai integer.<\/span><\/p>\n
 Misalnya pada kolom tim<\/strong> kita dapat melihat:<\/span><\/p>\n