使用Numpy进行one-hot编码
2018-01-26 17:53
417 查看
在实现很多机器学习任务的时候,经常需要将labels进行one-hot encoding,具体思想这里就不详述,借一张图来表示:
由于最后的每个label向量只有一个维度的值是1,其他都是0,所以实现方法可以借助线性代数中的单位矩阵 [百度百科] [wikipedia]
Numpy实现可以是这样:
由于最后的每个label向量只有一个维度的值是1,其他都是0,所以实现方法可以借助线性代数中的单位矩阵 [百度百科] [wikipedia]
Numpy实现可以是这样:
# 函数需不需要返回转置要根据具体情况看 # 如果不转置每个label返回的就是一个行向量 # 这里转置了,每个label就是对应的列向量 def convert_to_one_hot(y, C): return np.eye(C)[y.reshape(-1)].T y = np.array([1,2,3,4]) convert_to_one_hot(y,5) # array([[ 0., 0., 0., 0.], # [ 1., 0., 0., 0.], # [ 0., 1., 0., 0.], # [ 0., 0., 1., 0.], # [ 0., 0., 0., 1.]])
相关文章推荐
- pandas使用get_dummies进行one-hot编码
- pandas使用get_dummies进行one-hot编码
- pandas使用get_dummies进行one-hot编码
- spring-data-jpa——如果使用了one-to-many,many-to-one的注解,在Jackson进行json字符串化时出现错误的解决方案
- 使用python进行科学计算:Numpy入门
- 使用numpy生成one_hot
- Python使用matplotlib,numpy,scipy进行散点的平滑曲线化方法
- spring-data-jpa 中,如果使用了one-to-many , many-to-one的注释,会在Jackson进行json字符串化的时候出现错误
- 利用Gate one和ngrok把内网中kali映射到公网,方便随时随地去使用kali进行操作
- spring-data-jpa 中,如果使用了one-to-many , many-to-one的注释,会在Jackson进行json字符串化的时候出现错误
- 数据预处理(2)—— One-hot coding 独热编码#分别使用 pandans.dummies 和 sklearn.feature_extraction.DictVectorizer 进行处理
- 使用 numpy 和 PIL 进行简单的图像处理
- 使用numpy和PIL进行简单的图像处理方法
- 使用Numpy读取CSV文件,并进行行列删除的操作方法
- pandas使用get_dummies进行one-hot编码的方法
- 使用 wordcloud, jieba, PIL, matplotlib, numpy 进行分词,统计词频,并绘制词云的一次尝试
- numpy中使用genfromtxt对列进行预处理
- 使用python numpy进行SVD分解
- gcc2.95下 使用ns2.1b8a-allinone 然后配合ns2.30中的ns外其他组件进行安装 ns2.1b8a 同时使得nam中文字得以显示
- 使用NumPy和SciPy进行数值分析