sklearn one_hot向量输出维度第2维大小的本质

最新推荐文章于 2023-02-02 23:05:07 发布

Takoony

最新推荐文章于 2023-02-02 23:05:07 发布

阅读量331

点赞数

分类专栏： ml

本文链接：https://blog.csdn.net/ningyanggege/article/details/103779998

版权

ml 专栏收录该内容

188 篇文章 17 订阅

订阅专栏

问题起源：在pipeline转换时，突然出现one_hot向量输出维度为第2维为1。通过多次验证，发现第2维都是2而非1？问题在哪里呢，最后发现第2维为2和第2维为1是输入不同导致的？

case1:

y = np.array([1,0,1,1]).reshape(-1,1)
json_pritimive = "sklearn.preprocessing.OneHotEncoder"
obj = AIPrimitive()
obj.load_from_json(json_pritimive)
obj.fit(X_fit=y)
obj.produce(X_produce=y)

sklearn.preprocessing.OneHotEncoder fit start
sklearn.preprocessing.OneHotEncoder fit over
sklearn.preprocessing.OneHotEncoder produce start
sklearn.preprocessing.OneHotEncoder produce over
array([[0., 1.],
       [1., 0.],
       [0., 1.],
       [0., 1.]])

case2:

y = np.array([1,1,1,1]).reshape(-1,1)
json_pritimive = "sklearn.preprocessing.OneHotEncoder"
obj = AIPrimitive()
obj.load_from_json(json_pritimive)
obj.fit(X_fit=y)
obj.produce(X_produce=y)

sklearn.preprocessing.OneHotEncoder fit start
sklearn.preprocessing.OneHotEncoder fit over
sklearn.preprocessing.OneHotEncoder produce start
sklearn.preprocessing.OneHotEncoder produce over
array([[1.],
       [1.],
       [1.],
       [1.]])

case3:

y = np.array([1,1,2,0]).reshape(-1,1)
json_pritimive = "sklearn.preprocessing.OneHotEncoder"
obj = AIPrimitive()
obj.load_from_json(json_pritimive)
obj.fit(X_fit=y)
obj.produce(X_produce=y)

sklearn.preprocessing.OneHotEncoder fit start
sklearn.preprocessing.OneHotEncoder fit over
sklearn.preprocessing.OneHotEncoder produce start
sklearn.preprocessing.OneHotEncoder produce over
array([[0., 1., 0.],
       [0., 1., 0.],
       [0., 0., 1.],
       [1., 0., 0.]])

从这里可以看出axis=1的大小是由类别数量决定的，也符合one_hot向量的本质。我的理解偏离本质，固化的认为第2维大小为2，而不是其他值。