以标签作为特征输入的分类

以下是一个使用标签作为特征输入的分类的代码示例：

import numpy as np
from sklearn.preprocessing import LabelEncoder
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC

# 创建数据集
X = np.array([[1, 2], [3, 4], [5, 6], [7, 8]])
y = np.array(['a', 'b', 'a', 'b'])

# 标签编码
label_encoder = LabelEncoder()
y_encoded = label_encoder.fit_transform(y)

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y_encoded, test_size=0.2, random_state=42)

# 创建分类模型
classifier = SVC()
classifier.fit(X_train, y_train)

# 预测
y_pred = classifier.predict(X_test)

# 反向转换标签
y_pred_decoded = label_encoder.inverse_transform(y_pred)

# 打印预测结果
print(y_pred_decoded)

这个示例中，首先通过LabelEncoder将标签y编码为整数。然后，使用train_test_split将数据集划分为训练集和测试集。接下来，创建一个分类模型（这里选择了支持向量机SVM），使用训练集进行训练。然后，使用测试集进行预测。最后，通过inverse_transform方法将预测结果转换为原始的标签。