categorical[np.arange(n), y] = 1 IndexError: index 2 is out of bounds for axis 1 with size 2

"灼灼其华"

于 2020-10-16 22:17:49 发布

阅读量1.3w

点赞数 2

分类专栏： Machine Learning

本文链接：https://blog.csdn.net/weixin_44285715/article/details/109125632

版权

Machine Learning 专栏收录该内容

21 篇文章

订阅专栏

本文探讨了在使用Keras的to_categorical函数时遇到的错误，即当标签不是连续数值且num_classes设置不当时。解决方法包括确认标签类型并将其转换为numpy数组，以及根据实际类别数量调整num_classes。案例分析了将非连续数值标签编码为one-hot的问题和调整后的解决方案。

摘要由CSDN通过智能技术生成

报错详情：

categorical[np.arange(n), y] = 1 IndexError: index 34 is out of bounds for axis 1 with size 29

错误的原因一（来自网上）：

这是因为train_labels不是numpy.array的形式，需要把train_labels转化为numpy数组的形式

自己输出类型，发现训练数据的标签类型为 numpy.array，那为什么还报错？

原因二：

我的数据标签是不连续的数值，最小值为1，最大值为36，不重复计数为29个，所以我刚开始将num_classes值设为29，由于使用的是to_categorical，最终编码为one-hot格式，它不会因为1-36之间有的数没出现而不给它编码。

将num_classes值设为37后，再没有报错。

from keras.utils.np_utils import to_categorical

#类别向量定义
b = [0,1,2,3,4,5,6,7,8,0]

#调用to_categorical将b按照9个类别来进行转换
x = to_categorical(b, 9)
print(x)


[[1. 0. 0. 0. 0. 0. 0. 0. 0.]
 [0. 1. 0. 0. 0. 0. 0. 0. 0.]
 [0. 0. 1. 0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 1. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 1. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 1. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 1. 0. 0.]
 [0. 0. 0. 0. 0. 0. 0. 1. 0.]
 [0. 0. 0. 0. 0. 0. 0. 0. 1.]
 [1. 0. 0. 0. 0. 0. 0. 0. 0.]]