我是机器学习的初学者,我一直在研究很多关于如何使用机器学习技术在 Python 中增加数组维数的方法。我遇到过主成分分析和用于降维的内核技巧。但是,我正在努力寻找一种增加数组维数的算法。
假设我有一个形状为 (20,) 的 numpy 数组 X 和一个标签向量 L = [0,1,....,9] 。我目前使用以下等式得出形状为 (20,10) 的输出数组 Y。
下面的代码解释的更清楚:
import numpy
numLabels = 10
#define input array
X = numpy.random.rand(20,)
#define offset
offset = numpy.full((20,),0.07)
#define output array
Y = numpy.zeros((20,numLabels))
for l in range(numLabels):
Y[:,l] = X + (l-4.5)*offset # 4.5 because that the median for numbers 0 to 10
然而,上述方法假定一个随机偏移值以获得形状为 (20,10) 的输出数组。
1) 是否有任何其他方法可以使用相同的输入数组 X、离散标签向量 L 和实值偏移向量来获取输出数组 Y?上面的公式可能有一些变化?
2) 是否有其他方法可以在不使用实值偏移向量的情况下获取输出数组 Y?
请您参考如下方法:
IIUC:
In [476]: x = np.random.rand(20,)
In [477]: l = np.arange(10)
In [478]: offset = 0.07
In [479]: Y = x[:,None] + (l - 4.5)*offset
In [480]: Y.shape
Out[480]: (20, 10)
