web-dev-qa-db-fra.com

Un encodage à chaud utilisant numpy

Si l'entrée est zéro, je veux faire un tableau qui ressemble à ceci:

[1,0,0,0,0,0,0,0,0,0]

et si l'entrée est 5:

[0,0,0,0,0,1,0,0,0,0]

Pour ce qui précède, j'ai écrit:

np.put(np.zeros(10),5,1)

mais cela n'a pas fonctionné.

Existe-t-il un moyen de le mettre en œuvre sur une seule ligne?

pythonnumpyone-hotone-hot-encoding
23
Abhijay Ghildyal

Généralement, lorsque vous souhaitez obtenir un codage unique pour la classification en apprentissage automatique, vous disposez d'un tableau d'indices.

import numpy as np
nb_classes = 6
targets = np.array([[2, 3, 4, 0]]).reshape(-1)
one_hot_targets = np.eye(nb_classes)[targets]

Le one_hot_targets est maintenant

array([[[ 0.,  0.,  1.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  1.,  0.,  0.],
        [ 0.,  0.,  0.,  0.,  1.,  0.],
        [ 1.,  0.,  0.,  0.,  0.,  0.]]])

La .reshape(-1) est là pour vous assurer que vous avez le bon format d'étiquettes (vous pourriez aussi avoir [[2], [3], [4], [0]]). Le -1 est une valeur spéciale qui signifie "mettre tous les éléments restants dans cette dimension". Comme il n'y en a qu'un, cela aplatit le tableau.

Solution Copier-Coller

def get_one_hot(targets, nb_classes):
    res = np.eye(nb_classes)[np.array(targets).reshape(-1)]
    return res.reshape(list(targets.shape)+[nb_classes])

Paquet

Vous pouvez utiliser mpu.ml.indices2one_hot . C'est testé et simple à utiliser:

import mpu.ml
one_hot = mpu.ml.indices2one_hot([1, 3, 0], nb_classes=5)
49
Martin Thoma

Quelque chose comme : 

np.array([int(i == 5) for i in range(10)])

Devrait faire l'affaire ... Mais je suppose qu'il existe d'autres solutions utilisant numpy.

edit: la raison pour laquelle votre formule ne fonctionne pas: np.put ne renvoie rien, il modifie simplement l'élément indiqué dans le premier paramètre La bonne réponse lorsque vous utilisez np.put() est:

a = np.zeros(10)
np.put(a,5,1)

Le problème est que cela ne peut pas être fait sur une seule ligne, car vous devez définir le tableau avant de le passer à np.put()

9
HolyDanna

Vous pouvez utiliser la compréhension de liste:

[0 if i !=5 else 1 for i in range(10)]

se tourne vers

[0,0,0,0,0,1,0,0,0,0]
3
Rikku Porta

Utilisez np.identify ou np.eye. Vous pouvez essayer quelque chose comme ceci avec votre entrée i et la taille du tableau s:

np.identify(s)[i:i+1]

Par exemple, print(np.identity(5)[0:1]) résultera:

[[ 1.  0.  0.  0.  0.  0.  0.  0.  0.  0.]]

Si vous utilisez TensorFlow, vous pouvez utiliser tf.one_hot: https://www.tensorflow.org/api_docs/python/array_ops/slicing_and_joining#one_hot

2
Sung Kim

Le np.put mute son tableau arg in-place. Il est classique en Python pour les fonctions/méthodes qui effectuent une mutation sur place de retourner None; np.put adhère à cette convention. Donc, si a est un tableau 1D et que vous faites

a = np.put(a, 5, 1)

alors a sera remplacé par None.

Votre code est similaire à celui-ci, mais il transmet un tableau non nommé à np.put.

Une façon simple et efficace de faire ce que vous voulez consiste à utiliser une fonction simple, par exemple:

import numpy as np

def one_hot(i):
    a = np.zeros(10, 'uint8')
    a[i] = 1
    return a

a = one_hot(5) 
print(a)

sortie 

[0 0 0 0 0 1 0 0 0 0]
2
PM 2Ring

Le problème ici est que vous ne sauvegardez votre tableau nulle part. La fonction put fonctionne à la place du tableau et ne renvoie rien. Puisque vous ne donnez jamais un nom à votre tableau, vous ne pourrez plus l’adresser plus tard. Donc ça

one_pos = 5
x = np.zeros(10)
np.put(x, one_pos, 1)

fonctionnerait, mais alors vous pourriez simplement utiliser l’indexation:

one_pos = 5
x = np.zeros(10)
x[one_pos] = 1

À mon avis, ce serait la bonne façon de procéder si aucune raison particulière n'existait pour le faire en une ligne. Cela pourrait aussi être plus facile à lire et le code lisible est un bon code.

2
m00am

En regardant rapidement le manuel , vous verrez que np.put ne renvoie pas de valeur. Tant que votre technique est correcte, vous accédez à None au lieu de votre tableau de résultats.

Pour un tableau 1-D, il est préférable d’utiliser simplement l’indexation directe, en particulier pour un cas aussi simple.

Voici comment réécrire votre code avec une modification minimale:

arr = np.zeros(10)
np.put(arr, 5, 1)

Voici comment faire la deuxième ligne avec indexation au lieu de put:

arr[5] = 1
2
Mad Physicist

Je ne suis pas sûr de la performance, mais le code suivant fonctionne et c'est bien.

x = np.array([0, 5])
x_onehot = np.identity(6)[x]
0
Ken Chan
import time
start_time = time.time()
z=[]
for l in [1,2,3,4,5,6,1,2,3,4,4,6,]:
    a= np.repeat(0,10)
    np.put(a,l,1)
    z.append(a)
print("--- %s seconds ---" % (time.time() - start_time))

#--- 0.00174784660339 seconds ---

import time
start_time = time.time()
z=[]
for l in [1,2,3,4,5,6,1,2,3,4,4,6,]:
    z.append(np.array([int(i == l) for i in range(10)]))
print("--- %s seconds ---" % (time.time() - start_time))

#--- 0.000400066375732 seconds ---
0
Abhijay Ghildyal