Question

我正在使用to_categorical中的keras.utils对列表中的数字进行一次热编码。如何从分类数据中获取数字？有没有可用的功能。

Y=to_categorical(y, num_classes=79)

Answer 1

您只需通过np.argmax()即可做到：

import numpy as np
y = [0, 1, 2, 0, 4, 5]
Y = to_categorical(y, num_classes=len(y))
print(Y)
y = np.argmax(Y, axis=-1)
print(y)
# [0, 1, 2, 0, 4, 5]

为什么使用argmax(axis=-1)？

在上面的示例中，to_categorical返回形状为（6,6）的矩阵。设置axis=-1意味着在每一行中提取最大的索引。

[[1. 0. 0. 0. 0. 0.]
 [0. 1. 0. 0. 0. 0.]
 [0. 0. 1. 0. 0. 0.]
 [1. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 1. 0.]
 [0. 0. 0. 0. 0. 1.]]

在here上有关索引的更多信息。

如果我的数据具有多个维度，该怎么办？

没有区别。初步列表中的每个条目都将转换为大小为[1, nb_classes]的单热点编码，其中只有一个索引为1，其余索引为零。与上面的示例类似，当您在每一行中找到最大值时，它将转换为原始列表。

y = [[0, 1], [2, 0], [4, 5]]
Y = keras.utils.to_categorical(y, num_classes=6)

#[[[1. 0. 0. 0. 0. 0.]
#  [0. 1. 0. 0. 0. 0.]]
#
# [[0. 0. 1. 0. 0. 0.]
#  [1. 0. 0. 0. 0. 0.]]
#
# [[0. 0. 0. 0. 1. 0.]
#  [0. 0. 0. 0. 0. 1.]]]

y = np.argmax(Y, axis=-1)

#[[0 1]
# [2 0]
# [4 5]]

使用keras utils to_categorical将分类数据转换回数字

1 个答案: