One Hot Encoder-按类别分类

Question

对于模型训练，我有一个具有重复值（数字）的向量我想按数字接近度（一种簇）将这个向量分成 10 个不同的类别，这样我的输出将是 N * 10（N 是向量中值的数量）稀疏矩阵，每次我得到 1正确类别的索引。

这是我的代码：

a = np.array([1, 8, 7, 6, 5, 8,
              95, 44, 778, 12, 25, 
              12, 12, 65, 47, 85,
              32, 99, 88])
a = a.reshape(-1, 1)

max_a = np.max(a)  # 99
min_a = np.min(a)  # 1

div = (max_a - min_a) / 10  # 9.8

for i in range(a.shape[0]):
    x = 1
    while a[i] > (min_a + x * div):
        x = x + 1 
    a[i] = x
# a = [1,1,1,1,1,1,1,10,5,8,2,3,2,2,7,5,9,4,10,9]

onehot_a = OneHotEncoder(sparse=False)
a = onehot_a.fit_transform(a)

print(a.shape)  # (20,9)

但我希望输出的形状为 (20,10)。我哪里错了？

Answer 1

使用 np.digitize 和答案：

a = np.array([1, 8, 7, 6, 5, 8,
              95, 44, 78, 12, 25, #had a typo in this line
              12, 12, 65, 47, 85,
              32, 99, 88])

def onehot(a, bins = 10):
    return np.eye(bins)[np.digitize(a, np.linspace(a.min(), a.max(), bins))-1]

onehot(a)
Out[]: 
array([[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.],
       [0., 0., 0., 0., 0., 0., 0., 0., 1., 0.],
       [0., 0., 0., 1., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0., 1., 0., 0.],
       [0., 1., 0., 0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 1., 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., 0., 0., 0., 0., 1., 0., 0., 0., 0.],
       [0., 0., 0., 0., 1., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0., 1., 0., 0.],
       [0., 0., 1., 0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0., 0., 0., 1.],
       [0., 0., 0., 0., 0., 0., 0., 1., 0., 0.]])

One Hot Encoder-按类别分类

One Hot Encoder- Classification by categories

python

numpy

one-hot-encoding