sklearn LabelBinarizer如何指定自定义正类别标签？

在sklearn 0.24.1版本中，LabelBinarizer处理字符串类标签时，会先对标签值进行排序，默认将排序后的最后一个值标记为正类别（对应输出1）。

示例代码如下：

from sklearn import preprocessing

lb = preprocessing.LabelBinarizer()
# 输出为 [[0] [1] [1] [0]]，'d'被设为正类（1）
print(lb.fit_transform(['a', 'd', 'd', 'a']))

lb = preprocessing.LabelBinarizer()
# 输出为 [[1] [0] [0] [1]]，'e'被设为正类（1）
print(lb.fit_transform(['e', 'd', 'd', 'e']))

当前版本的LabelBinarizer没有提供直接指定某一字符串为正类的参数，可通过以下方法实现自定义正类的需求：

lb = preprocessing.LabelBinarizer()
# 反转默认输出的0和1，将'd'设为正类（1）
print(-1 * (lb.fit_transform(['e', 'd', 'd', 'e']) - 1))
# 输出结果为 [[0] [1] [1] [0]]

该方法通过对fit_transform的结果做数学转换：先将结果减1（1变0，0变-1），再乘以-1，实现0和1的反转，从而将原本的负类转换为正类。

内容的提问来源于stack exchange，提问作者hlfernandez