build one-hot encoder
This commit is contained in:
@@ -95,3 +95,5 @@ pub(crate) mod optimization;
|
|||||||
pub mod svm;
|
pub mod svm;
|
||||||
/// Supervised tree-based learning methods
|
/// Supervised tree-based learning methods
|
||||||
pub mod tree;
|
pub mod tree;
|
||||||
|
/// Preprocessing utilities
|
||||||
|
pub mod preprocessing;
|
||||||
|
|||||||
@@ -0,0 +1 @@
|
|||||||
|
pub mod target_encoders;
|
||||||
@@ -0,0 +1,209 @@
|
|||||||
|
|
||||||
|
#![allow(clippy::ptr_arg)]
|
||||||
|
//! # Encode categorical features as a one-hot or multi-class numeric array.
|
||||||
|
//!
|
||||||
|
|
||||||
|
use std::hash::Hash;
|
||||||
|
use std::collections::HashMap;
|
||||||
|
|
||||||
|
use crate::math::num::RealNumber;
|
||||||
|
use crate::error::Failed;
|
||||||
|
|
||||||
|
|
||||||
|
/// Turn a collection of label types into a one-hot vectors.
|
||||||
|
/// This struct encodes single class per exmample
|
||||||
|
pub struct OneHotEncoder<T> {
|
||||||
|
label_to_idx: HashMap<T, usize>,
|
||||||
|
labels: Vec<T>,
|
||||||
|
num_classes: usize
|
||||||
|
|
||||||
|
}
|
||||||
|
|
||||||
|
enum LabelDefinition<T> {
|
||||||
|
LabelToClsNumMap(HashMap<T, usize>),
|
||||||
|
PositionalLabel(Vec<T>),
|
||||||
|
}
|
||||||
|
|
||||||
|
/// Crearte a vector of size num_labels with zeros everywhere and 1 at label_idx (one-hot vector)
|
||||||
|
pub fn make_one_hot<T: RealNumber>(label_idx: usize, num_labels: usize) -> Vec<T> {
|
||||||
|
let (pos, neg) = (T::from_f64(1f64).unwrap(), T::from_f64(0f64).unwrap());
|
||||||
|
(0..num_labels).map(|idx| if idx == label_idx {pos.clone()} else {neg.clone()}).collect()
|
||||||
|
|
||||||
|
}
|
||||||
|
|
||||||
|
impl<'a, T: Hash + Eq + Clone> OneHotEncoder<T>
|
||||||
|
{
|
||||||
|
|
||||||
|
/// Fit an encoder to a lable list
|
||||||
|
///
|
||||||
|
/// Label numbers will be assigned in the order they are encountered
|
||||||
|
/// Example:
|
||||||
|
/// ```
|
||||||
|
/// let fake_labels: Vec<usize> = vec![1,2,3,4,5,3,5,3,1,2,4];
|
||||||
|
/// let enc = OneHotEncoder::<usize>::fit(&fake_labels[0..]);
|
||||||
|
/// let oh_vec = enc.transform_one(&1); // notice that 1 is actually a zero-th positional label
|
||||||
|
/// assert_eq!(oh_vec, vec![1f64,0f64,0f64,0f64,0f64]);
|
||||||
|
/// ```
|
||||||
|
pub fn fit(labels: &[T]) -> Self {
|
||||||
|
|
||||||
|
let mut label_map: HashMap<T, usize> = HashMap::new();
|
||||||
|
let mut class_num = 0usize;
|
||||||
|
let mut unique_lables: Vec<T> = Vec::new();
|
||||||
|
|
||||||
|
for l in labels
|
||||||
|
{
|
||||||
|
if !label_map.contains_key(&l) {
|
||||||
|
label_map.insert(l.clone(), class_num);
|
||||||
|
unique_lables.push(l.clone());
|
||||||
|
class_num += 1;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
Self {label_to_idx: label_map, num_classes: class_num, labels:unique_lables}
|
||||||
|
}
|
||||||
|
|
||||||
|
|
||||||
|
/// Build an encoder from a predefined (label -> class number) map
|
||||||
|
///
|
||||||
|
/// Definition example:
|
||||||
|
/// ```
|
||||||
|
/// let fake_label_map: HashMap<&str, u32> = vec![("background",0), ("dog", 1), ("cat", 2)]
|
||||||
|
/// .into_iter()
|
||||||
|
/// .collect();
|
||||||
|
/// let enc = OneHotEncoder::<&str>::from_label_map(fake_label_map);
|
||||||
|
/// ```
|
||||||
|
pub fn from_label_map(labels: HashMap<T, usize>) -> Self {
|
||||||
|
Self::from_label_def(LabelDefinition::LabelToClsNumMap(labels))
|
||||||
|
}
|
||||||
|
/// Build an encoder from a predefined positional label-class num vector
|
||||||
|
///
|
||||||
|
/// Definition example:
|
||||||
|
/// ```
|
||||||
|
/// let fake_label_pos = vec!["background","dog", "cat"];
|
||||||
|
/// let enc = OneHotEncoder::<&str>::from_positional_label_vec(fake_label_pos);
|
||||||
|
/// ```
|
||||||
|
pub fn from_positional_label_vec(labels: Vec<T>) -> Self {
|
||||||
|
Self::from_label_def(LabelDefinition::PositionalLabel(labels))
|
||||||
|
}
|
||||||
|
|
||||||
|
/// Transform a slice of label types into one-hot vectors
|
||||||
|
/// None is returned if unknown label is encountered
|
||||||
|
pub fn transform(&self, labels: &[T]) -> Vec<Option<Vec<f64>>> {
|
||||||
|
labels
|
||||||
|
.into_iter()
|
||||||
|
.map(|l| self.transform_one(l))
|
||||||
|
.collect()
|
||||||
|
}
|
||||||
|
|
||||||
|
/// Transform a single label type into a one-hot vector
|
||||||
|
pub fn transform_one(&self, label: &T) -> Option<Vec<f64>> {
|
||||||
|
match self.label_to_idx.get(label) {
|
||||||
|
None => None,
|
||||||
|
Some(&idx) => Some(make_one_hot(idx, self.num_classes))
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
/// Invert one-hot vector, back to the label
|
||||||
|
///```
|
||||||
|
/// let lab = enc.invert_one(res)?; // e.g. res = [0,1,0,0...] "dog" == class 1
|
||||||
|
/// assert_eq!(lab, "dog")
|
||||||
|
/// ```
|
||||||
|
pub fn invert_one<U: RealNumber>(&self, one_hot: Vec<U>) -> Result<T, Failed> {
|
||||||
|
let pos = U::from_f64(1f64).unwrap();
|
||||||
|
|
||||||
|
let s: Vec<usize> = one_hot
|
||||||
|
.into_iter()
|
||||||
|
.enumerate()
|
||||||
|
.filter_map(|(idx, v)| if v == pos {Some(idx)} else {None})
|
||||||
|
.collect();
|
||||||
|
|
||||||
|
if s.len() == 1 {
|
||||||
|
let idx = s[0];
|
||||||
|
return Ok(self.labels[idx].clone())
|
||||||
|
}
|
||||||
|
let pos_entries = format!("Expected a single positive entry, {} entires found", s.len());
|
||||||
|
Err(Failed::transform(&pos_entries[..]))
|
||||||
|
}
|
||||||
|
|
||||||
|
|
||||||
|
fn from_label_def(labels: LabelDefinition<T>) -> Self {
|
||||||
|
|
||||||
|
let (label_map, class_num, unique_lables) = match labels {
|
||||||
|
LabelDefinition::LabelToClsNumMap(h) => {
|
||||||
|
let mut _unique_lab: Vec<(T, usize)> = h.iter().map(|(k,v)| (k.clone(), v.clone())).collect();
|
||||||
|
_unique_lab.sort_by(|a,b| a.1.cmp(&b.1));
|
||||||
|
let unique_lab: Vec<T> = _unique_lab.into_iter().map(|a| a.0).collect();
|
||||||
|
(h, unique_lab.len(), unique_lab)
|
||||||
|
},
|
||||||
|
LabelDefinition::PositionalLabel(unique_lab) => {
|
||||||
|
let h: HashMap<T, usize> = unique_lab.iter().enumerate().map(|(v, k)| (k.clone(),v)).collect();
|
||||||
|
(h, unique_lab.len(), unique_lab)
|
||||||
|
}
|
||||||
|
};
|
||||||
|
Self {label_to_idx: label_map, num_classes: class_num, labels:unique_lables}
|
||||||
|
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
|
||||||
|
#[cfg(test)]
|
||||||
|
mod tests {
|
||||||
|
use super::*;
|
||||||
|
|
||||||
|
#[test]
|
||||||
|
fn from_labels() {
|
||||||
|
let fake_labels: Vec<usize> = vec![1,2,3,4,5,3,5,3,1,2,4];
|
||||||
|
let enc = OneHotEncoder::<usize>::fit(&fake_labels[0..]);
|
||||||
|
let oh_vec = match enc.transform_one(&1) {
|
||||||
|
None => panic!("Wrong labels"),
|
||||||
|
Some(v) => v
|
||||||
|
};
|
||||||
|
let res: Vec<f64> = vec![1f64,0f64,0f64,0f64,0f64];
|
||||||
|
assert_eq!(oh_vec, res);
|
||||||
|
}
|
||||||
|
|
||||||
|
|
||||||
|
fn build_fake_str_enc<'a>() -> OneHotEncoder<&'a str>{
|
||||||
|
let fake_label_pos = vec!["background","dog", "cat"];
|
||||||
|
let enc = OneHotEncoder::<&str>::from_positional_label_vec(fake_label_pos);
|
||||||
|
enc
|
||||||
|
}
|
||||||
|
|
||||||
|
#[test]
|
||||||
|
fn label_map_and_vec() {
|
||||||
|
let fake_label_map: HashMap<&str, usize> = vec![("background",0), ("dog", 1), ("cat", 2)].into_iter().collect();
|
||||||
|
let enc = OneHotEncoder::<&str>::from_label_map(fake_label_map);
|
||||||
|
let oh_vec = match enc.transform_one(&"dog") {
|
||||||
|
None => panic!("Wrong labels"),
|
||||||
|
Some(v) => v
|
||||||
|
};
|
||||||
|
let res: Vec<f64> = vec![0f64, 1f64,0f64];
|
||||||
|
assert_eq!(oh_vec, res);
|
||||||
|
}
|
||||||
|
|
||||||
|
#[test]
|
||||||
|
fn positional_labels_vec() {
|
||||||
|
let enc = build_fake_str_enc();
|
||||||
|
let oh_vec = match enc.transform_one(&"dog") {
|
||||||
|
None => panic!("Wrong labels"),
|
||||||
|
Some(v) => v
|
||||||
|
};
|
||||||
|
let res: Vec<f64> = vec![0f64, 1f64,0f64];
|
||||||
|
assert_eq!(oh_vec, res);
|
||||||
|
}
|
||||||
|
|
||||||
|
#[test]
|
||||||
|
fn invert_label_test() {
|
||||||
|
let enc = build_fake_str_enc();
|
||||||
|
let res: Vec<f64> = vec![0f64, 1f64,0f64];
|
||||||
|
let lab = enc.invert_one(res).unwrap();
|
||||||
|
assert_eq!(lab, "dog");
|
||||||
|
|
||||||
|
if let Err(e) = enc.invert_one(vec![0.0, 0.0,0.0]) {
|
||||||
|
let pos_entries = format!("Expected a single positive entry, 0 entires found");
|
||||||
|
assert_eq!(e, Failed::transform(&pos_entries[..]));
|
||||||
|
};
|
||||||
|
}
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
}
|
||||||
Reference in New Issue
Block a user