Comment effectuer l’encodage d’étiquettes dans R (avec exemples)

Souvent, en apprentissage automatique, nous souhaitons convertir des variables catégorielles en un type de format numérique pouvant être facilement utilisé par les algorithmes.

Une façon de procéder consiste à utiliser le codage d’étiquettes , qui attribue à chaque valeur catégorielle une valeur entière basée sur l’ordre alphabétique.

Par exemple, la capture d’écran suivante montre comment convertir chaque valeur unique d’une variable catégorielle appelée Team en une valeur entière basée sur l’ordre alphabétique :

Il existe deux manières courantes d’effectuer le codage d’étiquettes dans R :

Méthode 1 : utiliser Base R

df$my_var <- as.numeric(factor(df$my_var))

Méthode 2 : utiliser le package CatEncoders

library(CatEncoders)

#define original categorical labels
labs = LabelEncoder.fit(df$my_var)

#convert labels to numeric values
df$team = transform(labs, df$my_var)

Les exemples suivants montrent comment utiliser chaque méthode dans la pratique.

Exemple 1 : encodage d’étiquettes à l’aide de Base R

Le code suivant montre comment utiliser la fonction factor() de la base R pour convertir une variable catégorielle appelée team en une variable numérique :

#create data frame
df <- data.frame(team=c('A', 'A', 'B', 'B', 'B', 'B', 'C', 'C'),
                 points=c(25, 12, 15, 14, 19, 23, 25, 29))

#view data frame
df

  team points
1    A     25
2    A     12
3    B     15
4    B     14
5    B     19
6    B     23
7    C     25
8    C     29

#perform label encoding on team variable
df$team <- as.numeric(factor(df$team))

#view updated data frame
df

  team points
1    1     25
2    1     12
3    2     15
4    2     14
5    2     19
6    2     23
7    3     25
8    3     29

Notez les nouvelles valeurs dans la colonne équipe :

• « A » est devenu 1 .
• « B » est devenu 2 .
• « C » est devenu 3 .

Nous avons réussi à convertir la colonne d’équipe d’une variable catégorielle en une variable numérique.

Exemple 2 : encodage d’étiquettes à l’aide du package CatEncoders

Le code suivant montre comment utiliser les fonctions du package CatEncoders() pour convertir une variable catégorielle appelée team en une variable numérique :

library(CatEncoders)

#create data frame
df <- data.frame(team=c('A', 'A', 'B', 'B', 'B', 'B', 'C', 'C'),
                 points=c(25, 12, 15, 14, 19, 23, 25, 29))

#define original categorical labels
labs = LabelEncoder.fit(df$team)

#convert labels to numeric values
df$team = transform(labs, df$team)

#view updated data frame
df

  team points
1    1     25
2    1     12
3    2     15
4    2     14
5    2     19
6    2     23
7    3     25
8    3     29

Encore une fois, nous avons généré les nouvelles valeurs suivantes dans la colonne équipe :

• « A » est devenu 1 .
• « B » est devenu 2 .
• « C » est devenu 3 .

Cela correspond aux résultats de l’exemple précédent.

Notez qu’en utilisant cette méthode, vous pouvez également utiliser inverse.transform() pour obtenir les valeurs originales de la colonne team :

#display original team labels
inverse.transform(labs, df$team)

[1] "A" "A" "B" "B" "B" "B" "C" "C"

Ressources additionnelles

Les didacticiels suivants expliquent comment effectuer d’autres tâches courantes dans R :

Comment créer une variable catégorielle à partir de continue dans R
Comment créer des variables catégorielles dans R
Comment convertir des variables catégorielles en numériques dans R