将概率转换为预测标签的最简单，最快捷的方法是什么？

Question

简而言之，我正在为以下代码寻找一个/两行代码：

deferred.defer()

Answer 1

您想将概率值转换为0-1标签。作业V_prediction[0, :] = A[0, :] > 0.5应该足够了;如果目标数组V_prediction是数字，则布尔值A[0, :] > 0.5（True / False）将变为数字1,0。一个例子：

V_prediction = np.zeros((3, 10))
A = np.random.uniform(size=(3, 10))
V_prediction[0, :] = A[0, :] > 0.5 

V_prediction现在（随机）

array([[ 1.,  0.,  1.,  1.,  0.,  1.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.]])

如果所有标签都是整数，则可以使用整数数据类型声明V_prediction。

更复杂的方法，可以扩展到更复杂的方案，是使用numpy.piecewise。

V_prediction[0, :] = np.piecewise(A[0, :], [A[0, :] > 0.5, A[0, :] <= 0.5], [0, 1])

Answer 2

numpy argmax函数应该在这里派上用场。只需将您的数组作为参数传递给argmax函数，它就会根据概率为您提供标签。

更多信息，see here。