Question

我有一个Python脚本，它使用Keras进行机器学习。我正在构建X和Y，它们分别是功能和标签。

标签的构建如下：

def main=():

   depth = 10
   nclass = 101
   skip = True
   output = "True"
   videos = 'sensor'
   img_rows, img_cols, frames = 8, 8, depth
   channel = 1 
   fname_npz = 'dataset_{}_{}_{}.npz'.format(
    nclass, depth, skip)

   vid3d = videoto3d.Videoto3D(img_rows, img_cols, frames)
   nb_classes = nclass

   x, y = loaddata(videos, vid3d, nclass,
                    output, skip)

   X = x.reshape((x.shape[0], img_rows, img_cols, frames, channel))
   Y = np_utils.to_categorical(y, nb_classes) # This needs to be changed

Keras中使用的“to_categorical”功能解释如下：

to_categorical

keras.utils.to_categorical（y，num_classes = None）

将类向量（整数）转换为二进制类矩阵。

现在我正在使用NumPy。您可以告诉我如何构建相同的代码行以便工作吗？换句话说，我正在寻找NumPy中“to_categorical”函数的等价物。

Answer 1

这是一个简单的方法：

np.eye(nb_classes)[y]

Answer 2

这样的事情（我认为没有内置）：

>>> import numpy as np
>>> 
>>> n_cls, n_smp = 3, 10
>>> 
>>> y = np.random.randint(0, n_cls, (n_smp,))
>>> y
array([0, 1, 1, 1, 2, 2, 1, 2, 1, 1])
>>> 
>>> res = np.zeros((y.size, n_cls), dtype=int)
>>> res[np.arange(y.size), y] = 1
>>> res
array([[1, 0, 0],
       [0, 1, 0],
       [0, 1, 0],
       [0, 1, 0],
       [0, 0, 1],
       [0, 0, 1],
       [0, 1, 0],
       [0, 0, 1],
       [0, 1, 0],
       [0, 1, 0]])

Answer 3

尝试使用get_dummies。

>>> pd.core.reshape.get_dummies(df)
Out[30]: 
   cat_a  cat_b  cat_c
0      1      0      0
1      1      0      0
2      1      0      0
3      0      1      0
4      0      1      0
5      0      0      1

NumPy相当于Keras函数utils.to_categorical

3 个答案: