如何使用 tflearn.data_utils.to_categorical (y, nb_classes)
how to use tflearn.data_utils.to_categorical (y, nb_classes)
我是 python 的新手，也是 tflearn 的新手。
我坚持使用 TFlearn 的 to_categorical 函数。我阅读了文档，以下内容来自网站：
tflearn.data_utils.to_categorical (y, nb_classes)
将class向量（从0到nb_classes的整数）转换为二进制class矩阵，用于categorical_crossentropy。
参数
y：数组。 Class 要转换的向量。
nb_classes：整数。 class 的总数。
我的问题是，它实际上将什么作为参数？
我有 3 个标签，A、B、C。（pandas 系列）。我可以使用 .iloc().values 将它们放入 numpy 数组中，以提供大量 [A,C,B,C,C,B,A....A]
我只想让它们变成 ([1,0,0],[0,0,1],...)。
那么实际上我必须将它们作为 to_categorical 函数的参数传递什么格式？
非常感谢您的建议。谢谢。
注意：可以在没有 to_categorical 函数的情况下执行此操作，但我认为会
很好地利用它。
tflearn.datautils.to_categorical的参数必须是整数字符串，也就是说y必须像[1,2,3,....]!
我是 python 的新手，也是 tflearn 的新手。 我坚持使用 TFlearn 的 to_categorical 函数。我阅读了文档，以下内容来自网站：
tflearn.data_utils.to_categorical (y, nb_classes)
将class向量（从0到nb_classes的整数）转换为二进制class矩阵，用于categorical_crossentropy。
参数 y：数组。 Class 要转换的向量。 nb_classes：整数。 class 的总数。
我的问题是，它实际上将什么作为参数？ 我有 3 个标签，A、B、C。（pandas 系列）。我可以使用 .iloc().values 将它们放入 numpy 数组中，以提供大量 [A,C,B,C,C,B,A....A] 我只想让它们变成 ([1,0,0],[0,0,1],...)。 那么实际上我必须将它们作为 to_categorical 函数的参数传递什么格式？
非常感谢您的建议。谢谢。
注意：可以在没有 to_categorical 函数的情况下执行此操作，但我认为会
很好地利用它。
tflearn.datautils.to_categorical的参数必须是整数字符串，也就是说y必须像[1,2,3,....]!