Memahami Label Encoding Pada Python
Misal kalian punya sebuah data 'warna' berupa text-kategorikal pada dataset kalian, katakanlah: merah, biru dan hijau. Kita sama-sama tau bahwa mesin tidak dapat mengolah data text secara langsung bukan? Maka diperlukan sebuah teknik untuk mengubah data 'warna' tersebut menjadi numerik, misalnya merah = 1, biru = 2, dan hijau = 3. Proses ini disebut sebagai encoding.
Apa Itu Label Encoding
Label encoding adalah teknik lain untuk mengonversi data kategori menjadi numerik. Berbeda dengan one-hot encoding, label encoding menggantikan setiap kategori dengan nilai integer yang unik. Misalnya, jika kita memiliki kategori "Merah", "Biru", dan "Hijau", hasil label encoding-nya adalah:
| Warna | Label |
| Merah | 0 |
| Biru | 1 |
| Hijau | 2 |
Kapan Menggunakan Label Encoding?
Label encoding cocok digunakan jika data kategori memiliki urutan logis atau hubungan ordinal. Namun, jika tidak ada hubungan ordinal, label encoding dapat menyebabkan algoritma machine learning menganggap hubungan numerik yang tidak sesuai, sehingga dalam kasus tersebut, one-hot encoding lebih disarankan.
Baca Juga: Memahami One-Hot Encoding disini
Implementasi Label Encoding di Python
Untuk melakukan Label Encoding menggunakan sklearn, kita bisa gunakan cara berikut:
from sklearn.preprocessing import LabelEncoder
# Data contoh
data = ['Merah', 'Hijau', 'Biru', 'Merah']
# Inisialisasi encoder
encoder = LabelEncoder()
data_encoded = encoder.fit_transform(data)
print(data_encoded)
Output:
[0 1 2 0]
Untuk mendapatkan mapping kategori:
print(dict(zip(encoder.classes_, range(len(encoder.classes_)))))
Output:
{'Biru': 0, 'Hijau': 1, 'Merah': 2}
Untuk melakukan Label Encoding menggunakan Pandas, kita bisa gunakan cara berikut:
import pandas as pd
# Data contoh
data = {'Warna': ['Merah', 'Hijau', 'Biru', 'Merah']}
df = pd.DataFrame(data)
# Label encoding dengan pandas
df['Warna_Encoded'] = df['Warna'].astype('category').cat.codes
print(df)
Output:
Warna Warna_Encoded 0 Merah 2 1 Hijau 1 2 Biru 0 3 Merah 2
Kekurangan Label Encoding
- Asumsi Hubungan Ordinal:
Label encoding dapat menyebabkan model menganggap bahwa kategori memiliki hubungan ordinal, yang tidak sesuai untuk data non-ordinal. - Risiko Bias Model
Algoritma yang sensitif terhadap skala numerik dapat memberikan bobot yang berbeda pada kategori tertentu.