平滑分类输出

Question

我有一个从奶牛行为检测模型获得的输出列表。即使在一段视频中，当一头牛下蛋时，它经常会识别为站立，反之亦然。在每个视频帧中，模型给出一个分类结果，我们将其附加到一个列表中。让我们假设在20帧之后，我们有一系列的输出如下-

behavious_cow_1 = ["stand","stand","stand","stand","lying", "stand","stand", "eating", "stand","stand","stand","stand","lying""stand","stand","stand","stand","stand","stand","lying"]

在20个分类结果中，我们有4个错误分类；3个谎言，1个进食。然而，这头牛一直坐在一个地方。如果列表只包含-1，2，3这样的数值，我会选择移动平均来改变错误分类。有没有Scipy，Pandas，Numpy函数可以平滑分类输出？我正在考虑取前3个和下3个值来确定当前类别。

Answer 1

我使用了以下解决方案-

import scipy.stats
window_length = 7
behave = ["stand","stand","stand","stand","lying","lying", "eating"]
most_freq_val = lambda x: scipy.stats.mode(x)[0][0]
smoothed = [most_freq_val(behave[i:i+window_length]) for i in range(0,len(behave)-window_length+1)]

我尝试了Hugolmn发布的解决方案，但它在某一点上崩溃了。在滚动模式下，窗口宽度由用户提供(此处为7)。在一定的宽度内，如果在相同的次数内出现多个值，代码将无法工作。这更像是-你试图找到一个列表的统计模式(最常见的项目)，但它得到了多个具有相同最高频率的项目。

Answer 2

我自己非常惊讶，像mode()这样的函数不能在pandas中使用滚动窗口。然而，我还是找到了一个解决你问题的好办法。

首先，创建一个分类数据类型的pandas Series：

df = pd.Series(sample, dtype='category')

现在您可以看到，df.cat.categories返回数据中的类别列表，并df.cat.codes与它们关联的代码。我们可以使用后者来应用宽度为7的滚动模式(前3个，值，下一个3)：

df.cat.codes
0     3
1     3
2     3
3     3
4     1
5     3
6     3
7     0
8     3
9     3
10    3
11    3
12    2
13    3
14    3
15    3
16    3
17    3
18    1
dtype: int8

df.cat.codes.rolling(7, center=True, min_periods=0).apply(lambda x: x.mode())
0     3.0
1     3.0
2     3.0
3     3.0
4     3.0
5     3.0
6     3.0
7     3.0
8     3.0
9     3.0
10    3.0
11    3.0
12    3.0
13    3.0
14    3.0
15    3.0
16    3.0
17    3.0
18    3.0
dtype: float64

最后，您可以映射代码以取回字符串：

(df.cat.codes
  .rolling(7, center=True, min_periods=0)
  .apply(lambda x: x.mode())
  .map(dict(enumerate(df.cat.categories)))
)
0     stand
1     stand
2     stand
3     stand
4     stand
5     stand
6     stand
7     stand
8     stand
9     stand
10    stand
11    stand
12    stand
13    stand
14    stand
15    stand
16    stand
17    stand
18    stand
dtype: object

这就对了！在对代码应用滚动模式后，您恢复了字符串！