Question

我的用例是关于机器学习在物理层无线通信中的应用。我的输入要素具有复杂的价值，我将其转换为等效的实际价值要素，如下所示。

 Y = np.concatenate((np.real(S_bar), np.imag(S_bar)))
Y = array([[-1.,  1.,  3.,  1., -3.,  1., -3., -3.,  1., -1.],
     [-1.,  3.,  3., -1.,  1.,  3., -3.,  1., -1.,  3.],
     [ 1., -1.,  3.,  3.,  3., -3., -1., -1., -1., -1.],
     [ 3.,  1., -3.,  3., -3.,  1.,  1.,  3.,  3., -1.]])

Y是一个4 x 10的训练矩阵，其中4行是特征，而10列是样本或训练示例。我想将其表示为10 x 4的one_hot编码训练标签，以使其适合于keras环境，如下所示：

      model.fit(X_train, Y_labels, epochs=5, batch_size=100)

我以以下方式尝试了它，但是它不起作用。

i。标签编码：

     le = preprocessing.LabelEncoder()
     y = []
for i in range(0,Y.shape[0]):
    le.fit(Y[i,:])
   temp = le.transform(Y[i,:]) 
   y.append(temp)
y = np.array(y)

Y被标记为：

 array([[1, 2, 3, 2, 0, 2, 0, 0, 2, 1],
   [1, 3, 3, 1, 2, 3, 0, 2, 1, 3],
   [2, 1, 3, 3, 3, 0, 1, 1, 1, 1],
   [3, 2, 0, 3, 0, 2, 2, 3, 3, 1]], dtype=int64)

ii。 one_hot编码：

encoder=OneHotEncoder(sparse=False)
encoder.fit(y.T)
labels = encoder.transform( y.T)

*我的问题是，当模型预期为（10,4）时，“标签”的形状为（10,16）。请问如何将one_hot编码器的大小调整为Y_train和Y_test的真实形状？还是有其他比上述示例更好的方法呢？我对此表示感谢。

Answer 1

我会用keras.utils.to_categorical来获得您想要的东西：

from keras.utils import to_categorical
labels = to_categorical(y[0])
# labels.shape == (10, 4)

基本上可以一键编码为您的目标标签。

标签编码，标签的one_hot编码

1 个答案: