python - test_train_split 将字符串类型标签转换为 np.array。有没有办法找回原来的标签名称？

Question

我有一个带有字符串类型标签名称的图像数据集。当我使用 sklearn 库的 test_train_split 拆分数据时，它将标签转换为 np.array 类型。有没有办法取回原始字符串类型标签名称？

以下代码拆分数据以进行训练和测试：

imgs, y = load_images()
train_img,ytrain_img,test_img,ytest_img = train_test_split(imgs,y, test_size=0.2, random_state=1)

如果我打印 y，它会给我标签名称，但如果我打印拆分后的标签值，它会给出一个数组：

for k in y:
    print(k)
    break
for k in ytrain_img:
    print(k)
    break

输出：

 001.Affenpinscher
 [[[ 97 180 165]
  [ 93 174 159]
  [ 91 169 152]
  ...
 [[ 88 171 156]
 [ 88 170 152]
 [ 84 162 145]
 ...
 [130 209 222]
 [142 220 233]
 [152 230 243]]

 [[ 99 181 163]
 [ 98 178 161]
 [ 92 167 151]
 ...
 [130 212 224]
 [137 216 229]
 [143 222 235]]
 ...
 [[ 85 147 158]
 [ 85 147 158]
 [111 173 184]
 ...
 [227 237 244]
 [236 248 250]
 [234 248 247]]

 [[ 94 154 166]
 [ 96 156 168]
 [133 194 204]
 ...
[226 238 244]
[237 249 253]
[237 252 254]]
...
[228 240 246]
[238 252 255]
[241 255 255]]]

有没有办法将数组转换回原始标签名称？

标签： pythonscikit-learn

Answer 1

不，你在推断train_test_split错误的输出。

train_test_split以这种方式工作：

A_train, A_test, B_train, B_test, C_train, C_test ... 
                             = train_test_split(A, B, C ..., test_size=0.2)

您可以提供尽可能多的数组进行拆分。对于每个给定的数组，它将首先提供训练和测试拆分，然后对下一个数组执行相同的操作，然后是第三个数组，依此类推..

所以在你的情况下实际上是：

train_img, test_img, ytrain_img, ytest_img = train_test_split(imgs, y, 
                                                              test_size=0.2, 
                                                              random_state=1)

但是您随后会混淆输出的名称并错误地使用它们。