argmax

argmax："返回沿轴的最大值的索引"。argmax "返回沿轴的最大值的索引"。

根据Jason Brownlee在《机器学习大师》一文中的说法。（https://machinelearningmastery.com/argmax-in-machine-learning

Argmax在机器学习中最常用于寻找具有最大预测概率的类。
在应用机器学习中，使用argmax最常见的情况是寻找一个数组的索引，从而获得最大的值。

如果我们考虑预测类成员的概率，argmax函数可以确定一个数组的索引位置，其中包含最大值，因此，预测概率最高。这对于机器学习显然是有用的。

使用argmax()

单一维度

import numpy as np
 
a = [[ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 ]]
max_idx = np.argmax(a)
print(max_idx)

9

这个输出符合你的预期吗？

如果你记得argmax返回的是一个索引，而不是一个值，而且索引是从0开始的，我们看到我们被返回了索引9--这实际上是第十个位置--它保存着值'10'，即数组中的最大值。

有意义吗？

多维度

import numpy as np
 
a = [[ 1, 2, 3, 4, 5 ], [ 6, 7, 8, 9, 10 ]]
max_idx = np.argmax(a)
print(max_idx)

9

现在我们有一个二维数组。我们没有传递一个轴参数，所以argmax的默认行为是将多维数组平铺成一个单维，并返回这个平铺后的数组中最大值的索引。

指定一个轴

首先，回顾一下，轴0指的是行，而轴1指的是列。

让我们看看当我们把axis=0传给argmax时会发生什么。

import numpy as np
 
a = [[ 1, 2, 3, 4, 5 ], [ 6, 7, 8, 9, 10 ]]
max_idx = np.argmax(a, axis=0)
print(max_idx)

array([1, 1, 1, 1, 1])

axis=0，对于数组中的每一列，Numpy都会报告这个最大值出现在哪一行。

即，竖着看，找到每一列最大值 （）

稍微有点反直觉，可以理解为指定哪个维度，哪个维度动

也就是说

第一次 比较的是 [0,1] [1,1] [2,1] [3,1] ...

第一次 比较的是 [0,2] [1,2] [2,2] [3,2] ...

import numpy as np
a = [[ 1, 2, 3, 4, 5 ], [ 6, 7, 8, 9, 10 ]]
max_idx = np.argmax(a, axis=0)
print(max_idx)

array([4,4])

axis=0，横着看，找到每一行的最大值

稍微有点反直觉，可以理解为指定哪个维度，哪个维度动

也就是说

第一次 比较的是 [1,1] [1,2] [1,3] [1,4] ...

第一次 比较的是 [2,1] [2,2] [2,3] [2,4] ...