给定一个一维下标数组:
a = array([1, 0, 3])
我想把它编码成一个2D数组:
b = array([[0,1,0,0], [1,0,0,0], [0,0,0,1]])
给定一个一维下标数组:
a = array([1, 0, 3])
我想把它编码成一个2D数组:
b = array([[0,1,0,0], [1,0,0,0], [0,0,0,1]])
当前回答
使用Neuraxle管道步骤:
树立榜样
import numpy as np
a = np.array([1,0,3])
b = np.array([[0,1,0,0], [1,0,0,0], [0,0,0,1]])
进行实际的转换
from neuraxle.steps.numpy import OneHotEncoder
encoder = OneHotEncoder(nb_columns=4)
b_pred = encoder.transform(a)
断言它有效
assert b_pred == b
文档链接:neuraxle.steps.numpy.OneHotEncoder
其他回答
以下是我认为有用的方法:
def one_hot(a, num_classes):
return np.squeeze(np.eye(num_classes)[a.reshape(-1)])
这里num_classes表示您拥有的类的数量。如果你有一个形状为(10000,)的向量,这个函数将它转换为(10000,C)注意,a是零索引,即one_hot(np。数组([0,1]),2)将给出[[1,0],[0,1]]。
我相信这正是你想要的。
PS:源代码是Sequence models - deeplearning.ai
你也可以使用numpy的eye函数:
numpy。眼(类数)[包含标签的向量]
你可以使用sklearn.预处理。labelbinarizer:
例子:
import sklearn.preprocessing
a = [1,0,3]
label_binarizer = sklearn.preprocessing.LabelBinarizer()
label_binarizer.fit(range(max(a)+1))
b = label_binarizer.transform(a)
print('{0}'.format(b))
输出:
[[0 1 0 0]
[1 0 0 0]
[0 0 0 1]]
除此之外,你可以初始化sklearn.pre - processing. labelbinarizer(),这样transform的输出是稀疏的。
如果使用tensorflow,则存在one_hot():
import tensorflow as tf
import numpy as np
a = np.array([1, 0, 3])
depth = 4
b = tf.one_hot(a, depth)
# <tf.Tensor: shape=(3, 3), dtype=float32, numpy=
# array([[0., 1., 0.],
# [1., 0., 0.],
# [0., 0., 0.]], dtype=float32)>
P是一个2d ndarray。 我们想知道哪一个值在一行中是最大的,在这里是1,其他地方是0。
干净简单的解决方案:
max_elements_i = np.expand_dims(np.argmax(p, axis=1), axis=1)
one_hot = np.zeros(p.shape)
np.put_along_axis(one_hot, max_elements_i, 1, axis=1)