Skip to main content
 首页 » 编程设计

python之仅使用 keras 对一组 float 进行一次性编码

2024年11月24日9bjzhanghao

首先,我是 stackoverflow 的新手,所以如果有什么方法可以改进我提出问题的方式,或者如果我遗漏了一些明显的东西,请向我指出!

我正在 Keras 中构建分类卷积网络,要求网络预测用于生成图像的参数。这些类以 5 个浮点值编码,例如类列表可能如下所示:

[[0.], [0.76666665], [0.5], [0.23333333], [1.]] 

我想使用 keras.utils.to_categorical(y, num_classes=5, dtype='float32') 对这些类进行一次性编码功能。

但是,它返回以下内容:

array( 
    [ 
       [1., 0., 0., 0., 0.], 
       [1., 0., 0., 0., 0.], 
       [1., 0., 0., 0., 0.], 
       [1., 0., 0., 0., 0.], 
       [0., 1., 0., 0., 0.] 
    ],  
dtype=float32) 

它只接受整数作为输入,因此它映射所有值 < 1.至 0 . 我可以通过将所有值乘以一个常数来规避这个问题,这样它们都是整数,我认为在 scikit learn 中也有一种方法可以解决这个问题,但这听起来像是一个巨大的变通方法,对于一个应该很容易解决的问题在 keras 中,这让我相信我遗漏了一些明显的东西。

我希望有人能够指出一个仅使用 Keras 的简单替代方案。

请您参考如下方法:

另一种选择是使用 sklearn 中的 OneHotEncoder:

from sklearn.preprocessing import OneHotEncoder 
 
encoder = OneHotEncoder(categories='auto') 
 
input = [[0.], [0.76666665], [0.5], [0.23333333], [1.]] 
output = encoder.fit_transform(input) 
 
print(input) 
print(output.toarray()) 

输出:

[[0.0], [0.76666665], [0.5], [0.23333333], [1.0]] 
[[ 1.  0.  0.  0.  0.] 
 [ 0.  0.  0.  1.  0.] 
 [ 0.  0.  1.  0.  0.] 
 [ 0.  1.  0.  0.  0.] 
 [ 0.  0.  0.  0.  1.]]