我有一个看起来如下的numpy数组:
array([[0],[1],[1]])
我希望它被表示为一个热编码的等价物:
array([[1,0],[0,1],[0,1]])
任何团体有什么想法吗?我尝试使用sklearn.preprocessing.LabelBinarizer,但这只是重新产生输入。
感谢。
修改
根据要求,这是使用LabelBinarizer的代码
from sklearn.preprocessing import LabelBinarizer
train_y = np.array([[0],[1],[1]])
lb = LabelBinarizer()
lb.fit(train_y)
label_vecs = lb.transform(train_y)
输出:
array([[0],[1],[1]])
请注意,它确实在documentation'二进制目标转换为列向量'
答案 0 :(得分:3)
要使用sklearn
,似乎我们可以使用OneHotEncoder
,就像这样 -
from sklearn.preprocessing import OneHotEncoder
train_y = np.array([[0],[1],[1]]) # Input
enc = OneHotEncoder()
enc.fit(train_y)
out = enc.transform(train_y).toarray()
样本输入,输出 -
In [314]: train_y
Out[314]:
array([[0],
[1],
[1]])
In [315]: out
Out[315]:
array([[ 1., 0.],
[ 0., 1.],
[ 0., 1.]])
In [320]: train_y
Out[320]:
array([[9],
[4],
[1],
[6],
[2]])
In [321]: out
Out[321]:
array([[ 0., 0., 0., 0., 1.],
[ 0., 0., 1., 0., 0.],
[ 1., 0., 0., 0., 0.],
[ 0., 0., 0., 1., 0.],
[ 0., 1., 0., 0., 0.]])
使用initialization
-
def initialization_based(A): # A is Input array
a = np.unique(A, return_inverse=1)[1]
out = np.zeros((a.shape[0],a.max()+1),dtype=int)
out[np.arange(out.shape[0]), a.ravel()] = 1
return out
另一位broadcasting
-
def broadcasting_based(A): # A is Input array
a = np.unique(A, return_inverse=1)[1]
return (a.ravel()[:,None] == np.arange(a.max()+1)).astype(int)