python之独热编码的实现
numpy实现
tensorflow实现
独热编码即 One-Hot 编码，又称一位有效编码，其方法是使用N位状态寄存器来对N个状态进行编码，每个状态都有它独立的寄存器位，并且在任意时候，其中只有一位有效。
上图表示的是独热编码（“one hot” encoding）的转换过程，在转换后的表示中，每列的一个元素是“hot”（意思是设置为1）。
独热编码的实现可以在numpy中编写代码进行转换，也可以在tensorflow中实现。
numpy实现
def convert_to_one_hot(Y, C): Y = np.eye(C)[Y.reshape(-1)].T return Y
登录后复制
np.eye( C) 是构造一个对角线为1的对角矩阵， Y.reshape(-1) 把Y压缩成向量，numpy中向量shape是(n,)，矩阵shape是(1, n)]，np.eye( C)[Y.reshape(-1)] 就是取对角矩阵的相应行将其转成one-hot的形式，最后 .T 做转置。
examples:
import numpy as npdef convert_to_one_hot(Y, C): Y = np.eye(C)[Y.reshape(-1)].T return Y y = np.array([[3,2,1,3,0]])print(y.shape)print(y.reshape(-1).shape)C = 4print(convert_to_one_hot(y, C))
登录后复制
结果：
(1, 5)(5,)[[0. 0. 0. 0. 1.] [0. 0. 1. 0. 0.] [0. 1. 0. 0. 0.] [1. 0. 0. 1. 0.]]
登录后复制
tensorflow实现
one_hot_matrix = tf.one_hot(indices, depth, on_value=None, off_value=None, axis=None, dtype=None, name=None)
登录后复制
indices： 代表了on_value所在的索引，其他位置值为off_value。类型为tensor，其尺寸与depth共同决定输出tensor的尺寸。
depth： 编码深度。
on_value & off_value为编码开闭值，缺省分别为1和0，indices指定的索引处为on_value值。
axis： 编码的轴，分情况可取-1、0或-1、0、1，默认为-1
dtype： 默认为 on_value 或 off_value的类型，若未提供on_value或off_value，则默认为tf.float32类型。
返回一个 one-hot tensor。
如果indices是一个长度为features的向量，当axis == 0时输出尺寸为depth * features；当axis==-1时输出尺寸为features * depth；当axis = 1时，同axis = -1。
如果indices是一个尺寸为[batch，features]的矩阵，当axis == 0时输出尺寸为depth * batch * features；当axis==-1时输出尺寸为batch * features * depth；当axis==1时输出尺寸为batch * depth * features。
1、indices是一个长度为features的向量
examples1: indices是一个长度为5的向量，depth为4，axis = 0时输出尺寸为4*5（depth * features）。
import tensorflow as tf indices = [5,2,1,3,0]depth = 4one_hot_matrix = tf.one_hot(indices,depth,axis=0)sess = tf.compat.v1.Session()one_hot = sess.run(one_hot_matrix)sess.close()print(one_hot)
登录后复制
结果：
[[0. 0. 0. 0. 1.] [0. 0. 1. 0. 0.] [0. 1. 0. 0. 0.] [0. 0. 0. 1. 0.]]
登录后复制
examples2: indices是一个长度为5的向量，depth为4，axis = -1时输出尺寸为5*4（features * depth）。
import tensorflow as tf indices = [5,2,1,3,0]depth = 4one_hot_matrix = tf.one_hot(indices,depth,axis=-1)sess = tf.compat.v1.Session()one_hot = sess.run(one_hot_matrix)sess.close()print(one_hot)
登录后复制
结果：
[[0. 0. 0. 0.] [0. 0. 1. 0.] [0. 1. 0. 0.] [0. 0. 0. 1.] [1. 0. 0. 0.]]
登录后复制
examples3: indices是一个长度为5的向量，depth为4，axis = 1时输出尺寸为5*4（features * depth），同examples2 的结果。
2、indices是一个尺寸为[batch, features]的矩阵
examples1: indices是一个尺寸为[2, 3]的矩阵，depth为4，axis = 0时输出尺寸为4* 2* 3（ depth* batch* features）。
import tensorflow as tf indices = [[5,2,1],[2,3,0]]depth = 4one_hot_matrix = tf.one_hot(indices,depth,axis=0)sess = tf.compat.v1.Session()one_hot = sess.run(one_hot_matrix)sess.close()print(one_hot)
登录后复制
结果：
[[[0. 0. 0.] [0. 0. 1.]] [[0. 0. 1.] [0. 0. 0.]] [[0. 1. 0.] [1. 0. 0.]] [[0. 0. 0.] [0. 1. 0.]]]
登录后复制
examples2: indices是一个尺寸为[2, 3]的矩阵，depth为4，axis = -1时输出尺寸为2* 3* 4（batch* features*depth）。
import tensorflow as tf indices = [[5,2,1],[2,3,0]]depth = 4one_hot_matrix = tf.one_hot(indices,depth,axis=-1)sess = tf.compat.v1.Session()one_hot = sess.run(one_hot_matrix)sess.close()print(one_hot)
登录后复制
结果：
[[[0. 0. 0. 0.] [0. 0. 1. 0.] [0. 1. 0. 0.]] [[0. 0. 1. 0.] [0. 0. 0. 1.] [1. 0. 0. 0.]]]
登录后复制
examples3: indices是一个尺寸为[2, 3]的矩阵，depth为4，axis = 1时输出尺寸为2* 4* 3（batch* depth* features）。
import tensorflow as tf indices = [[5,2,1],[2,3,0]]depth = 4one_hot_matrix = tf.one_hot(indices,depth,axis=1)sess = tf.compat.v1.Session()one_hot = sess.run(one_hot_matrix)sess.close()print(one_hot)
登录后复制
结果：
[[[0. 0. 0.] [0. 0. 1.] [0. 1. 0.] [0. 0. 0.]] [[0. 0. 1.] [0. 0. 0.] [1. 0. 0.] [0. 1. 0.]]]
登录后复制
©著作权归作者所有：来自51CTO博客作者๑~夏时~๑的原创作品，如需转载，请注明出处，否则将追究法律责任