Kódování cílových štítků | AI slovník

Odborná definice

Label encoding je transformace diskrétnych názvů cílových tříd na interní kódy, nejčastěji celé čísla od nuly po počet tříd mínus jeden. Mapování umožňuje algoritmem pracovat s textovými nebo symbolickými labelmi, ale samo sám o sobě nevytváří pořadí ani vzdálenost mezi třídami. Kódovník musí být stabilní mezi tréninkem, evaluací a produkcí. Při vstupních kategóriách se používají jiné postupy, například one-hot nebo ordinal encoding, podle významu príznaku a modelu.

Srozumitelné vysvětlení

Pokud jsou třídy zapísané jako mačka, pes a vták, tréninková knihovna jejich může interne premenit na 0, 1 a 2. Tyto čísla jsou pouze identifikátory, ne tvrzení, že pes je větší než mačka nebo že vzdálenost mezi třídami má číselný význam. Kritické je uložit přesnou mapu, protože změna pořadí by prehodila význam predikcí. Při nasazení je třeba také rozhodnout, co se stane s novou třídou, která v tréninkovém kódovníku neexistovala.

Časté otázky

Je label encoding vhodný i pro vstupní kategorie?

Ne automaticky. Číselný kód ve vstupech může modelu podsúvat neexistujúce pořadí. Pro příznaky se volba dělá podle typu modelu a semantiky kategorie.

Musí mapování začínat nulou?

Ne z matematického hladiska, ale mnohé knižnice očakávají kompaktné indexy od 0. Také mapování zjednodušuje práci s výstupnými vrstvami.

Jak se kódovník přenáší do produkce?

Uloží se jako verzovaný artefakt spolu s modelem. Predikčný systém musí dekódovat index zpět na stejný název třídy.

Co s třídou, která se objeví až po nasazení?

Je třeba ji explicitně zařadit do schémata, model přetrénovat nebo použít kategorii unknown. Tiché přiřazení existujúceho čísla by poškodilo význam výstupu.

Může chyba v kódování ovlivnit metriky?

Ano. Rozdílně mapy mezi y_true a y_před mohou vytvořit zcela nesprávnu confusion matrix i navzdory tomu, že oba soubory obsahují platné čísla.

Související pojmy

Zdroje a redakční stopa

scikit-learn, LabelEncoder

Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.