我试图弄清楚如何使用 LabelEncoder() 中的 inverse_transform 函数。例如，在下面的代码中，
from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()
df['Label'] = le.fit_transform(df[['Actual']]
如果我想反转，我可以简单地调用：
le.inverse_transform(df['Label'])
但是，我需要将相同的变换/逆变换应用到一个新的数据集中，这可以从上面的模型中预测出来。即，它是在一个新笔记本中完成的，所以，我似乎必须存储标签。任何想法如何做到这一点？我唯一的想法是导出一个包含 2 列的数据框，然后使用 pd.merge。