独热编码例子_独热编码实例-优快云博客

该文展示了在Python中使用NumPy的reshape函数对数组进行重塑，以及如何利用广播机制进行元素级比较。通过将类标签(self.classes)与输入(x)进行比较，生成布尔数组并转换为独热编码形式，具体为[[1.0,0.0,0.0],[0.0,1.0,0.0],[0.0,0.0,1.0],[1.0,0.0,0.0]]。这个过程在机器学习和数据处理中常见，用于编码类别变量。

# self.classes.reshape([1, -1]) 的结果
[['cat', 'dog', 'bird']]

# x.reshape([-1, 1]) 的结果
[['cat'],
 ['dog'],
 ['bird'],
 ['cat']]

# self.classes.reshape([1, -1]) == x.reshape([-1, 1]) 的结果
[[ True, False, False],
 [False,  True, False],
 [False, False,  True],
 [ True, False, False]]

# (self.classes.reshape([1, -1]) == x.reshape([-1, 1])).astype('float32') 的结果
[[1.0, 0.0, 0.0],
 [0.0, 1.0, 0.0],
 [0.0, 0.0, 1.0],
 [1.0, 0.0, 0.0]]

在上述示例中，输入 x 中的每个元素与 self.classes 中的元素进行比较，生成一个布尔数组。然后，布尔数组被转换为浮点数类型的独热编码，其中匹配的位置为 1.0，不匹配的位置为 0.0。

因此，根据给定的示例，[‘cat’, ‘dog’, ‘bird’, ‘cat’] 将被转换为独热编码形式为 [[1.0, 0.0, 0.0], [0.0, 1.0, 0.0], [0.0, 0.0, 1.0], [1.0, 0.0, 0.0]] 的数组。其中，第一个元素 ‘cat’ 的独热编码是 [1.0, 0.0, 0.0]，第二个元素 ‘dog’ 的独热编码是 [0.0, 1.0, 0.0]，依此类推。

注意这里还有python的广播用到了
是的，代码中使用了广播操作。

在 self.classes.reshape([1, -1]) == x.reshape([-1, 1]) 这一行代码中，self.classes.reshape([1, -1]) 和 x.reshape([-1, 1]) 的形状不完全匹配，但通过广播机制，它们可以在比较操作中进行自动扩展。

广播是一种 NumPy 的特性，允许在不同形状的数组之间执行元素级的操作，而无需显式循环扩展。在这种