时间戳

首页 > 解决方案 > 从 one-hot 表示到标签

python - 从 one-hot 表示到标签

问题描述

我的预测在一个张量之下pred，并且pred.shape是(4254, 10, 3)。所以我们有4254 维度矩阵(10, 3)。让我们来看看其中一个矩阵。

W = array([[0.04592975, 0.09632163, 0.85774857],
          [0.03408821, 0.27141285, 0.6944989 ],
          [0.02538731, 0.4691383 , 0.50547445],
          [0.01959289, 0.6456455 , 0.33476162],
          [0.01333424, 0.7494791 , 0.23718661],
          [0.0109237 , 0.77042925, 0.218647  ],
          [0.01438793, 0.7796771 , 0.20593494],
          [0.01474626, 0.6817438 , 0.30350992],
          [0.02189695, 0.57687664, 0.40122634],
          [0.03810155, 0.5130332 , 0.44886518]], dtype=float32)

正如您在上面的示例中看到的那样，有 10 个向量表示标签的 one-hot 表示。例如，np.argmax([0.04592975, 0.09632163, 0.85774857]) = 2.

为什么我要批量处理 10 个向量？我正在研究一个时间序列预测问题，t_0我有时会预测接下来的 10 个标签。t_1t_10

对于这些矩阵中的每一个，我都会有兴趣取回原始标签。所以对于矩阵W，我应该得到数组 array([2, 2, 2, 1, 1, 1, 1, 1, 1, 1])。

让我们定义阈值数组threshold_array = np.array([0.6, 0.65, 0.70, 0.75, 0.80, 0.80, 0.80, 0.80, 0.80, 0.80])并收回labels = array([2, 2, 2, 1, 1, 1, 1, 1, 1, 1])。假设中性位置是1并且动作是0或2。这里的目标是labels根据threshold_array和我们的矩阵进行修改W。

如果我采取W[0]，我们知道np.argmax(W[0]) = 2并且W[0][2] = 0.85774857。那样W[0][2] >= threshold_array[0]的话，labels[0]就会留下来2。

另一个例子有点不同。如果我采取W[2]，我们知道np.argmax(W[2]) = 2并且W[2][2] = 0.50547445。As W[2][2] < threshold_array[2], thenlabels[2]将从2变为0。

如果我将该策略应用于 中的每个向量W，labels则现在设置为array([2, 2, 0, 1, 1, 1, 1, 1, 1, 1])。请注意，只有一个动作可以成为中立位置，而不是相反。

如何在 python 中将该策略编码到W内部的每个矩阵pred以获得维度的标签矩阵(4254, 10)？

标签： pythonnumpytensorthreshold

解决方案

我不确定这是处理这个问题的最佳方法，但这里有一个答案。

import numpy as np

threshold_array = np.array([0.6, 0.65, 0.70, 0.75, 0.80, 0.80, 0.80, 0.80, 0.80, 0.80])   

def get_labels(W, threshold_array):

    labels = []
    for i, vect in enumerate(W):
        neutral_position = 1
        label = np.argmax(vect)
        if label in [0, 2]:
            if vect[label] < threshold_array[i]:
                labels.append(neutral_position)
            else:
                labels.append(label)
        else:
            labels.append(label)
    return np.array(labels)

if __name__ == "__main__":
    labels = []
    for matrix in pred:
        labels.append(get_labels(matrix, theshold_array))
    labels = np.array(labels)

推荐阅读