python 独热码one hot encoding的用法

Keras的独热码one hot encoding 即np_utils.to_categorical

使用独热码来处理多分类问题

from keras.utils import np_utils

给出特征向量和类别标签

如：

0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0

0, 0, 0, 1, 1, 0, 0, 1, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0

0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1

0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1

1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 2

1, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 1, 1, 1, 1, 1, 0, 1, 0, 2

1, 0, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 2

1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 2

0, 0, 0, 0, 0, 0, 1, 0, 1, 0, 1, 0, 0, 1, 0, 0, 1, 0, 0, 0, 2

前面是特征向量，后面是类别标签（0，1，2）

#导入要训练的模型，这里用numpy导入的

data=np.loadtxt(path,dtype=int,delimiter=',')

#将特征向量和类别标签分开，如上，这里我只是截取了一部分

x, y = np.split(data, (53,), axis=1)

#选取训练集和测试集用的是sklearn里的model_selection

x_train, x_test, y_train, y_test = model_selection.train_test_split(x, y, random_state=1, train_size=0.99)

#将类别标签用独热码分开，num_classes代表分类（建议还是去看看官方文档）

#分开之后的效果：

       [[ 0.,  1.,  0.],

       [ 0.,  0.,  1.],

       [ 0.,  0.,  1.],

       [ 0.,  0.,  1.],

       [ 0.,  0.,  1.],

       [ 0.,  1.,  0.],

       [ 0.,  0.,  1.],

       [ 0.,  0.,  1.],

       [ 0.,  0.,  1.],

       [ 0.,  1.,  0.],

       [ 0.,  0.,  1.],

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