回答情况：
提问时间：
问题标签：
我有一组one-hot编码标签，我想看看每个类别有多少个。np.bincount(newLabels)但是接下来发生的事情是，上面的one-hot
浏览 2提问于2020-04-06得票数 0
我有一个单热编码的标签。我想用它们来训练和预测catboost分类器。然而，当我进行拟合时，它给了我一个错误，说标签的每行不允许有多个整数值。那么catboost不允许对标签进行一次性编码吗？如果没有，我怎样才能让catboost工作呢？
浏览 3修改于2017-08-12得票数 0
我的预测是在张量pred下，而pred.shape是(4254, 10, 3)。所以我们有了维度为(10, 3)的4254矩阵。让我们看看这些矩阵中的一个。 [0.03408821, 0.27141285, 0.6944989 ], [0.01959289, 0.6456455 , 0.33476162],
[0.01333424, 0.749
浏览 0修改于2019-01-28得票数 0
1回答
我有一批大小的分割图像 seg --> [batch, channels, imsize, imgsize] --> [16, 6, 50, 50] 该张量中的每个标量指定一个分割类。我们有2000总分割类。 现在的目标是转换[16, 6, 50, 50] --> [16, 2000, 50, 50]，其中每个类都以一种热门的方式进行编码。 如何使用pytorch api完成此操作？我只能想到非常低效的循环构造。 示例 这里我们将只有2个初始通道(而不是6个)，4个标签(而不是2000个)，大小为1号(而不是16个)和4x4图像而不是50x50。 0, 0, 1, 1
0,
浏览 15修改于2021-01-09得票数 0
回答已采纳
我有一个名为y的张量，它的值来自类标签上的one-hot编码:y=[ 0。0。1.，0.0。0.，1.0。0。...，0.0。0。，0。0。0。...，0.1. 0.，...，0.0。0。...我试图从给定的one-hot编码数组中获取所有类标签，或者给定的示例应该是这样的:y= 2,0,8，...,9,2
浏览 2提问于2017-03-07得票数 1
我可以使用像[none, 1, 0, 0, none]这样的一次性编码吗?也就是说，我不知道示例类是0还是4，但我知道它的类1，但不知道它的类2或3
浏览 0提问于2021-04-10得票数 0
因此，我正在学习使用虹膜数据集的one-hot编码X = iris['data'] # the complete data -2D
Y = iris['target
浏览 6提问于2020-05-06得票数 0
train.shape[0]df_train = pd.read_csv('train.csv', chunksize=1500) #apply one-hotencoding
2)通过只对训练和测试应用one-hot编码来减少列数，但对于新的分类值，将所
浏览 1修改于2016-07-08得票数 2
回答已采纳
文章中的特性有两种类型:分类和连续我将此列视为分类并使用hash-bucket，但仅获得了大约0.50010的池AUC值
1)是否需要使用one-hot
浏览 10提问于2016-09-17得票数 0
我在CSV文件中有一组来自label列的整数- [1,2,4,3,5,2,..]。类的数量是从1到6的范围。我想用下面的代码对它们进行一次热编码。y = tf.keras.utils.to_categorical(y, num_classes = 5)但是这段代码给了我一个错误我该如何解决这个问题呢？
浏览 37修改于2021-05-15得票数 1
回答已采纳
我有一个来自torchtext的Bucketiterator，我将其提供给pytorch中的一个模型。如何构造迭代器的一个示例： batch_size=batch_size,
浏览 32修改于2019-07-09得票数 3
我有examples = tf.placeholder(tf.int32, [batch_size])形式的标签，其中每个示例都是范围0:ohe_size中的一个int。我正在尝试创建一个掩码，它将只给出每个示例的概率分布。例如： [0.2, 0.1, 0.7]examples = [2, 2, 0]
some_mask_func(probs, example) # <-
浏览 0修改于2017-01-07得票数 0
回答已采纳
假设我有一个数组0，2，我想输出一个由基于0，2的一个热向量组成的矩阵，如[ 1，0，0] (请注意，输出矩阵的第二维假设为3，但它可以是大于argmax(0,2)的任何数字，即2。 我只能想到用这种方式来实现这个功能。有没有更简单的方法。 t = torch.tensor([0,2])id_t = torch.zeros(t.shape[0], dim2_size)for i in t: id_t[row_idx, col_idx] = 1id_t
浏览 22提问于2020-04-29得票数 0
我混淆了伪变量和one-hot encoding.For a实例，一个类别变量'week'范围为1-7。当使用one-hot编码时，将week = 1编码为1,000,000，week = 2为0,100,000....But我也可以做一个伪变量'week_v'，这样，我必须设置一个hidden variable
浏览 0提问于2016-12-14得票数 14
回答已采纳
在3d张量中，从一个值矩阵到同一事物的一个热门表示的最简单/最智能的方法是什么？例如，如果矩阵是张量中argmax之后的索引，如下所示：其中张量是3Dx，y，z，索引自然是x，y，现在你想要得到一个3Dx，y，z张量，在axis=2中用1代替最大值，在其他地方用0代替。
浏览 11提问于2017-01-07得票数 2
回答已采纳
我尝试在这里使用One-Hot对蘑菇数据集()进行编码。OneHotEncoder(handle_unknown='ignore').fit_transform(new_df)我的代码的结果如下图所示，这让我非常困惑：
这个结果是我的One-Hot
浏览 0修改于2021-04-21得票数 2
我想在Tensorflow 2模型中添加一个One-Hot编码层。tf.feature_column.numeric_column(feature, dtype=tf.int32))
print(feature_cols) 我应该如何在Tensorflow模型中使用feature_cols，以便One-Hot
浏览 50提问于2021-01-10得票数 0
回答已采纳
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号