手动实现One-hot编码

本文参考这篇大佬博客：https://blog.csdn.net/gdh756462786/article/details/79161525?
假如我们要实现三分类，那咱们的标签可能就是

#标签列表
lable = [0,1,2,2,1,0]
#种类：3分类
num_class = 3

好的，接下来就是转onehot编码了

# 建立一个空列表，用来存放Onehot标签
onehot = []
for value in label:
	# 创建长度为3，值全为为0的列表
	letter = [0 for _ in range(num_class)]
	# 以value的值作为列表位置索引，将值设为1
	letter[value] = 1
	onehot.append(letter)
print(onehot)

OK，这样咱们的onehot编码即可实现，那么经过神经网络之后得到onehot标签之后，如何转换真实标签label

import numpy as np
#z或者from numpy import argmax
#比如神经网络输出一个label_1
label_1 = [0.1, 0.8, 0.1]
# 那么真实标签即为
real_label = np.argmax(label_1)

可以再来一波字符滴，整体思路：1、创建一个空字典，用来存储类别数和标签；2、

data = ['cold', 'cold', 'warm', 'cold', 'hot', 'hot', 'warm', 'cold', 'warm', 'hot']

data_num = {}
cls=0
for i in range(len(data)):
    if data[i] not in data_num.keys():
        data_num[data[i]]=cls
        cls+=1
        
# 获得类别数
class_num=len(data_num)

# 创建一个空的onehot列表
onehot_encoded = []
for i in range(len(data)):
    label=[0 for _ in range(class_num)]
    label[data_num[data[i]]]=1
    onehot_encoded.append(label)
print(onehot_encoded)