考虑下面的示例表，我试图对其进行预测

如您所见，我混合了数值(Num1&Num2)和分类特征(Cat1&Cat2)来预测一个值，我使用随机森林回归来预测

读入文件后，我使用LabelEncoder将分类特征转换为数字特征，如下所示category_col =['Cat1', 'Cat2']

labelEncoder = preprocessing.LabelEncoder()

# creating a map of all the numerical values of each categorical labels.

mapping_dict={}

for col in category_col:

df[col] = labelEncoder.fit_transform(df[col])

le_name_mapping = dict(zip(labelEncoder.classes_, labelEncoder.transform(labelEncoder.classes_)))

mapping_dict[col]=le_name_mapping

一旦转换，我就把我的数据帧分割成一个训练和测试集，并做出预测，就像这样

^{pr2}$

我的问题是，如何更改Cat1和Cat2的数字编号以再次显示原始类别，以便我可以将预测导出回原样

我明白我需要使用labelEncoder.inverse_变换然而，我似乎无法正确地获得语法，以获得与结果相匹配的类别文本。在

感谢任何帮助！在