1d numpy 배열이 있다고 가정 해 봅시다.
a = array([1,0,3])이것을 2d 1-hot 어레이로 인코딩하고 싶습니다.
b = array([[0,1,0,0], [1,0,0,0], [0,0,0,1]])이 작업을 수행하는 빠른 방법이 있습니까? 의 a요소를 설정하기 위해 반복하는 것보다 빠릅니다 b.
답변
배열 a은 출력 배열에서 0이 아닌 요소의 열을 정의합니다. 또한 행을 정의한 다음 멋진 인덱싱을 사용해야합니다.
>>> a = np.array([1, 0, 3])
>>> b = np.zeros((a.size, a.max()+1))
>>> b[np.arange(a.size),a] = 1
>>> b
array([[ 0., 1., 0., 0.],
[ 1., 0., 0., 0.],
[ 0., 0., 0., 1.]])
답변
>>> values = [1, 0, 3]
>>> n_values = np.max(values) + 1
>>> np.eye(n_values)[values]
array([[ 0., 1., 0., 0.],
[ 1., 0., 0., 0.],
[ 0., 0., 0., 1.]])
답변
keras를 사용하는 경우이를위한 내장 유틸리티가 있습니다.
from keras.utils.np_utils import to_categorical
categorical_labels = to_categorical(int_labels, num_classes=3)
그리고 @YXD의 답변 과 거의 동일합니다 ( source-code 참조 ).
답변
여기 내가 유용하다고 생각하는 것이 있습니다.
def one_hot(a, num_classes):
return np.squeeze(np.eye(num_classes)[a.reshape(-1)])여기 num_classes당신이 가지고있는 수업의 수를 나타냅니다. 따라서 (10000)a 모양의 벡터가있는 경우이 함수 는 벡터 를 (10000, C)로 변환합니다 . 주 제로 색인은, 즉 줄 것이다 .aone_hot(np.array([0, 1]), 2)[[1, 0], [0, 1]]
정확히 당신이 믿고 싶은 것.
추신 : 소스는 시퀀스 모델입니다-deeplearning.ai
답변
당신은 사용할 수 있습니다 sklearn.preprocessing.LabelBinarizer:
예:
import sklearn.preprocessing
a = [1,0,3]
label_binarizer = sklearn.preprocessing.LabelBinarizer()
label_binarizer.fit(range(max(a)+1))
b = label_binarizer.transform(a)
print('{0}'.format(b))산출:
[[0 1 0 0]
[1 0 0 0]
[0 0 0 1]]무엇보다도 sklearn.preprocessing.LabelBinarizer()출력 transform이 희소 하도록 초기화 할 수 있습니다 .
답변
답변
다음은 1-D 벡터를 2D one-hot array로 변환하는 함수입니다.
#!/usr/bin/env python
import numpy as np
def convertToOneHot(vector, num_classes=None):
"""
Converts an input 1-D vector of integers into an output
2-D array of one-hot vectors, where an i'th input value
of j will set a '1' in the i'th row, j'th column of the
output array.
Example:
v = np.array((1, 0, 4))
one_hot_v = convertToOneHot(v)
print one_hot_v
[[0 1 0 0 0]
[1 0 0 0 0]
[0 0 0 0 1]]
"""
assert isinstance(vector, np.ndarray)
assert len(vector) > 0
if num_classes is None:
num_classes = np.max(vector)+1
else:
assert num_classes > 0
assert num_classes >= np.max(vector)
result = np.zeros(shape=(len(vector), num_classes))
result[np.arange(len(vector)), vector] = 1
return result.astype(int)다음은 사용법 예입니다.
>>> a = np.array([1, 0, 3])
>>> convertToOneHot(a)
array([[0, 1, 0, 0],
[1, 0, 0, 0],
[0, 0, 0, 1]])
>>> convertToOneHot(a, num_classes=10)
array([[0, 1, 0, 0, 0, 0, 0, 0, 0, 0],
[1, 0, 0, 0, 0, 0, 0, 0, 0, 0],
[0, 0, 0, 1, 0, 0, 0, 0, 0, 0]])