不连续标签onehot向量构造

引言

 本文想要解决的是图片分类模型中样本标签不连续的问题。例如，我们现有包含10种类别图片的数据集，需要构建一个多分类模型在其上训练，常规做法会将每个样本的标签通过onehot()函数转为独热向量，但这些类别的标签并不是呈0~9的排布，而是无规律的数字，可能为[2,39,40,2,9,23…]等等。现需要对这类标签构造独热向量。

解决方案

 构造无序标签数组到其排布顺序的映射字典，再对标签数组进行映射

1. 首先对源标签数组进行去重，构造顺序映射字典。

user_order=np.unique(user_class)
label_dict=dict(zip(user_order,range(user_order.shape[0])))

2. 使用map()函数和字典get()方法对原标签数组进行映射，构造独热向量。

result=list(map(label_dict.get,user_class))
train_label=keras.utils.np_utils.to_categorical(result)

3. 预测阶段，调换字典位置，重新映射回真实标签。

label_dict={v:k for k,v in label_dict.items()}
pred=list(map(label_dict.get,result))

整体验证代码如下：

# 间断标签数组构造
user_class=np.random.randint(50,size=3)
user_class=np.repeat(user_class,4)
np.random.shuffle(user_class)
# 训练阶段
user_order=np.unique(user_class)
label_dict=dict(zip(user_order,range(user_order.shape[0])))
result=list(map(label_dict.get,user_class))
train_label=keras.utils.np_utils.to_categorical(result)

# 预测阶段
label_dict={v:k for k,v in label_dict.items()}
pred=list(map(label_dict.get,result))

结果展示：

user_class
Out[43]: array([ 3,  3, 29, 29, 29,  3, 38, 38, 38,  3, 29, 38])
label_dict
Out[44]: {3: 0, 29: 1, 38: 2}
result
Out[45]: [0, 0, 1, 1, 1, 0, 2, 2, 2, 0, 1, 2]

参考

How to replace elements in a list using dictionary lookup