Keras 是否需要一种热编码？
Is one hot encoding required in Keras?
我有一个标签为 0-4 的数据集。我使用以下代码将它们一次性编码为 np 数组：labels = (np.arange(5) == labels[:, None]).astype(np.float32)。我的问题是，我们是否必须对它们进行一次热编码？我可以只保留标签 numeric/float 从 0-4 并使用它们吗？如果有怎么办？
一次热编码使您能够估计每个 class 的概率。对于单个实数或整数 class 编码，网络永远不会为您提供相同的信息。如果你有类似的 classes 1 和 5 并且网络可能会混淆它们，它会给你平均结果，它会是 1 和 5 之间的某个数字，它可能是 2,3 或 4 以及任何在之间，但是这些数字编码了你的 classes，所以这将是完全错误的输出。
你的标签是什么？
他们是"levels"、"intensity"还是一些"measure"？？
如果是，最好不要对它们进行编码，只需将它们压缩在 0 和 1 之间。然后您的模型将能够计算出一个结果，即强度。但它永远不会准确。
如果不是，那么您应该对您的标签进行编码，因为每个数字彼此不相关，它们是 "discrete"，并且您的模型最好也显示离散结果。然后每个结果将是每个 class 结果的可能性（可能不完全是概率，具体取决于模型的参数）。
所以，简而言之：如果你想测量某物的强度，一个变量。如果您想要不同 "classes" 的可能性，请创建单热向量。
我有一个标签为 0-4 的数据集。我使用以下代码将它们一次性编码为 np 数组：labels = (np.arange(5) == labels[:, None]).astype(np.float32)。我的问题是，我们是否必须对它们进行一次热编码？我可以只保留标签 numeric/float 从 0-4 并使用它们吗？如果有怎么办？
一次热编码使您能够估计每个 class 的概率。对于单个实数或整数 class 编码，网络永远不会为您提供相同的信息。如果你有类似的 classes 1 和 5 并且网络可能会混淆它们，它会给你平均结果，它会是 1 和 5 之间的某个数字，它可能是 2,3 或 4 以及任何在之间，但是这些数字编码了你的 classes，所以这将是完全错误的输出。
你的标签是什么？
他们是"levels"、"intensity"还是一些"measure"？？
如果是，最好不要对它们进行编码，只需将它们压缩在 0 和 1 之间。然后您的模型将能够计算出一个结果，即强度。但它永远不会准确。
如果不是，那么您应该对您的标签进行编码，因为每个数字彼此不相关，它们是 "discrete"，并且您的模型最好也显示离散结果。然后每个结果将是每个 class 结果的可能性（可能不完全是概率，具体取决于模型的参数）。
所以，简而言之：如果你想测量某物的强度，一个变量。如果您想要不同 "classes" 的可能性，请创建单热向量。