機器學習算法無法直接用于數(shù)據(jù)分類。數(shù)據(jù)分類必須轉換為數(shù)字才能進一步進行。

在本教程中，你將發(fā)現(xiàn)如何將輸入或輸出的序列數(shù)據(jù)轉換為一種熱編碼，以便于你在Python中深度學習的序列分類問題中使用。

看完本教程后，你將會了解：

·? ?1.什么是整數(shù)編碼和One-Hot編碼，以及為什么它們在機器學習中是必需的。

·? ?2.如何在Python中手工計算一個整數(shù)編碼和One-Hot編碼。

·? ?3.如何使用scikit-learn和Keras庫來自動對Python中的序列數(shù)據(jù)進行編碼。

本教程分為4部分：

1.什么是One-Hot編碼？

2.手動編寫One-Hot編碼

3.One-Hot Encode with scikit-learn.

4.One-Hot Encode with Keras.

1.什么是One-Hot編碼？

One-Hot編碼，又稱為一位有效編碼，主要是采用N位狀態(tài)寄存器來對N個狀態(tài)進行編碼，每個狀態(tài)都由他獨立的寄存器位，并且在任意時候只有一位有效。

One-Hot編碼是分類變量作為二進制向量的表示。這首先要求將分類值映射到整數(shù)值。然后，每個整數(shù)值被表示為二進制向量，除了整數(shù)的索引之外，它都是零值，它被標記為1。

2.One-Hot編碼的工作示例

讓我們用一個小例子來說明一下到底什么是One-Hot編碼。假設我們有一個帶有'red'和'green'值的標簽序列。我們可以將'red'的整數(shù)值分配為0，'green'的整數(shù)值為1。只要我們總是將這些數(shù)字分配給這些標簽，這稱為整數(shù)編碼。一致性是重要的，所以我們可以稍后反轉編碼，并從整數(shù)值獲取標簽。

接下來，我們可以創(chuàng)建一個二進制向量來表示每個整數(shù)值。對于2個可能的整數(shù)值，向量的長度為2。

編碼為0的“紅色”標簽將用二進制向量[1,0]表示，其中第0個索引被標記為值1。然后，編碼為1的“綠色”標簽將用一個二進制向量[0，1]，其中第一個索引被標記為1。

如果我們有序列：

‘red’,‘red’,‘green’。

我們可以用整數(shù)編碼來表示它：

0，0，1

而One-Hot編碼就為：

1 2 3

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

1.為什么要使用One-Hot編碼？

One hot?編碼進行數(shù)據(jù)的分類更準確，許多機器學習算法無法直接用于數(shù)據(jù)分類。數(shù)據(jù)的類別必須轉換成數(shù)字，對于分類的輸入和輸出變量都是一樣的。

我們可以直接使用整數(shù)編碼，需要時重新調整。這可能適用于在類別之間存在自然關系的問題，例如溫度“冷”（0）和”熱“（1）的標簽。

當沒有關系時，可能會出現(xiàn)問題，一個例子可能是標簽的“狗”和“貓”。

在這些情況下，我們想讓網絡更具表現(xiàn)力，為每個可能的標簽值提供概率式數(shù)字。這有助于進行問題網絡建模。當輸出變量使用one-hot編碼時，它可以提供比單個標簽更準確的一組預測。

2.手動One Hot編碼：

在這個例子中，我們將假設我們有一個字符串的例子，但是示例序列并不涵蓋所有可能的例子。

我們將使用以下字符的輸入序列：

Hello world。

我們將假設所有可能輸入是小寫字母和空格的完整字母表。因此，我們將以此展示如何滾動我們自己的one hot編碼。

完整的示例如下所示。

from numpy import argmax # define input string data = 'hello world' print(data) # define universe of possible input values alphabet = 'abcdefghijklmnopqrstuvwxyz ' # define a mapping of chars to integers char_to_int = dict((c, i) for i, c in enumerate(alphabet)) int_to_char = dict((i, c) for i, c in enumerate(alphabet)) # integer encode input data integer_encoded = [char_to_int[char] for char in data] print(integer_encoded) # one hot encode onehot_encoded = list() for value in integer_encoded:letter = [0 for _ in range(len(alphabet))]letter[value] = 1onehot_encoded.append(letter) print(onehot_encoded) # invert encoding inverted = int_to_char[argmax(onehot_encoded[0])] print(inverted)

運行示例首先打印輸入字符串。

所有可能的輸入的映射都是從char值創(chuàng)建為整數(shù)值。然后使用該映射對輸入字符串進行編碼。我們可以看到輸入'h'中的第一個字母被編碼為7。然后將整數(shù)編碼轉換為one hot編碼。一次完成一個整數(shù)編碼的字符。創(chuàng)建0個值的列表，以便字母表的長度可以表示任何預期的字符的長度。

接下來，特定字符的索引標記為1。我們可以看到，編碼為7的第一個字母“h”整數(shù)由二進制向量表示，長度為27，第七個索引標記為1。

最后，我們反轉第一個字母的編碼并打印結果。我們通過使用NumPy argmax（）函數(shù)定位具有最大值的二進制向量中的索引，然后使用字符值的反向查找表中的整數(shù)進行整數(shù)。

注意：輸出格式化為可讀性（我們將空格默認設置為z）。

?

?hello world ?[7, 4, 11, 11, 14, 26, 22, 14, 17, 11, 3] ?[[0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], ?[0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], ?[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], ?[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], ?[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], ?[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1], ?[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0], ?[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], ?[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0], ?[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], ?[0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]] ? h

現(xiàn)在我們已經看到了如何從頭開始自己的one hot編碼，我們來看看如何使用scikit學習庫來對輸入序列自動完全捕獲輸入值的預期范圍的情況。

3.One-Hot Encode with scikit-learn：

在這個例子中，我們假設你有一個輸出序列如下3個標簽：

Cold，warm，hot

10個時間序列的示例順序可以是：

Cold，cold，warm，cold，hot，hot，warm，cold，warm，hot

這將首先需要一個整數(shù)編碼，如1，2，3，然后是整數(shù)到one hot編碼具有3個值的二進制向量，例如[1,0,0]。

這個情況下提供序列中每個可能值的至少一個示例。因此，我們可以使用自動方法來定義整數(shù)到二進制向量的映射。

在這個例子中，我們將使用scikit學習庫的編碼器。具體來說，LabelEncoder創(chuàng)建標簽的整數(shù)編碼，OneHotEncoder用于創(chuàng)建整數(shù)編碼值的one hot編碼。

from numpy import array from numpy import argmax from sklearn.preprocessing import LabelEncoder from sklearn.preprocessing import OneHotEncoder # define example data = ['cold', 'cold', 'warm', 'cold', 'hot', 'hot', 'warm', 'cold', 'warm', 'hot'] values = array(data) print(values) # integer encode label_encoder = LabelEncoder() integer_encoded = label_encoder.fit_transform(values) print(integer_encoded) # binary encode onehot_encoder = OneHotEncoder(sparse=False) integer_encoded = integer_encoded.reshape(len(integer_encoded), 1) onehot_encoded = onehot_encoder.fit_transform(integer_encoded) print(onehot_encoded) # invert first example inverted = label_encoder.inverse_transform([argmax(onehot_encoded[0, :])]) print(inverted)

運行示例首先打印標簽序列。之后是標簽的整數(shù)編碼，最后是one hot編碼。訓練數(shù)據(jù)包含所有可能示例的集合，因此我們可以依靠整數(shù)和one hot編碼變換來創(chuàng)建標簽到編碼的完整映射。

默認情況下，OneHotEncoder類將返回更高效的稀疏編碼，這可能不適用于某些應用程序。例如使用Keras深度學習庫。在這種情況下，我們通過設置sparse = False這個參數(shù)來禁用稀疏返回類型。

首先，我們可以使用argmax（）NumPy函數(shù)來找到具有最大值的列的索引。然后可以將其輸入到LabelEncoder，以計算反向變換回文本標簽。運行結果為：

['cold' 'cold' 'warm' 'cold' 'hot' 'hot' 'warm' 'cold' 'warm' 'hot']? [0 0 2 0 1 1 2 0 2 1] [[ 1.??0.??0.] ?[ 1.??0.??0.] ?[ 0.??0.??1.] ?[ 1.??0.??0.] ?[ 0.??1.??0.] ?[ 0.??1.??0.] ?[ 0.??0.??1.] ?[ 1.??0.??0.] ?[ 0.??0.??1.] ?[ 0.??1.??0.]]? ['cold']

在下一個例子中，我們來看一下如何直接對一個整數(shù)值進行one hot編碼。

4.One Hot Encode with Keras：

您可能有一個已經是整數(shù)編碼的序列。

經過處理后，您可以直接使用整數(shù)。或者，您可以直接對整數(shù)進行one hot?編碼。這是非常重要的如果整數(shù)沒有真正的順序關系并且只是標簽的占位符。

Keras提供了一個名為to_categorical（）的函數(shù)，它可以幫助你使用one hot編碼整數(shù)數(shù)據(jù)。接下來我們看一個小例子：

在這個例子中，我們有4個整數(shù)值[0,1,2,3]，我們有以下10個數(shù)字的輸入序列：

Data = [1,3,2,0,3,2,2,1,0,1]

該序列具有已知了所有值，因此我們可以直接使用to_categorical（）函數(shù)。以下列出了此功能的完整示例。

from numpy import array from numpy import argmax from keras.utils import to_categorical # define example data = [1, 3, 2, 0, 3, 2, 2, 1, 0, 1] data = array(data) print(data) # one hot encode encoded = to_categorical(data) print(encoded) # invert encoding inverted = argmax(encoded[0]) print(inverted)

運行示例并打印輸入序列。

然后將整數(shù)編碼為二進制向量并打印。我們可以看到，正如我們預期的那樣，第一個整數(shù)值1被編碼為[0，1，0，0]。

然后，我們使用NumPy argmax（）函數(shù)反轉編碼，該函數(shù)返回第一個整數(shù)的期望值1的序列中的第一個值。

[1 3 2 0 3 2 2 1 0 1] [[ 0.??1.??0.??0.] ?[ 0.??0.??0.??1.] ?[ 0.??0.??1.??0.] ?[ 1.??0.??0.??0.] ?[ 0.??0.??0.??1.] ?[ 0.??0.??1.??0.] ?[ 0.??0.??1.??0.] ?[ 0.??1.??0.??0.] ?[ 1.??0.??0.??0.] ?[ 0.??1.??0.??0.] 1

進一步閱讀:

?OneHotEncoder scikit-learn API文檔

?LabelEncoder scikit-learn API文檔

?分類Keras API文檔

?Python中使用XGBoost進行漸變增強的數(shù)據(jù)準備

?多層次分類教程與Keras深度學習庫

總結：

從該教程中你應該學到了：

1.什么是整數(shù)編碼和one hot編碼，為什么它們在機器學習中是必需的。

2.如何在Python中手工計算一個整數(shù)編碼和one hot編碼。

3.如何使用scikit-learn和Keras庫來自動對Python中的序列數(shù)據(jù)進行編碼。

文章代碼可以直接運行！希望能夠幫助各位理解one-hot編碼

希望上述的介紹能夠幫助到你！?

原文來自?https://yq.aliyun.com/articles/126741

總結

以上是生活随笔為你收集整理的Python 序列数据的One Hot编码的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。