上次我們用探究多分類的問題,目標數(shù)據(jù)做獨熱編碼，用 categorical_crossentropy 來計算softmax交叉熵，但是多分類還可以將目標數(shù)據(jù)做順序編碼，用 sparse_categorical_crossentropy 來計算softmax交叉熵

沒錯這次用目標數(shù)據(jù)做順序編碼來處理之前的iris數(shù)據(jù)集

導(dǎo)入不講了

data = pd.read_csv('./dataset/iris.csv') data.Species.unique() OUT： array(['setosa', 'versicolor', 'virginica'], dtype=object)

這次用map方法來順序編碼

spc_dic = {'setosa': 0, 'versicolor': 1, 'virginica': 2} data['Species'] = data.Species.map(spc_dic) data.head()

這里Species 是 {'setosa': 0, 'versicolor': 1, 'virginica': 2}

x,y 賦值

x = data[data.columns[1:-1]] y = data.Species

再打亂順序

index = np.random.permutation(le 與50位技術(shù)專家面對面20年技術(shù)見證，附贈技術(shù)全景圖

總結(jié)

以上是生活随笔為你收集整理的keras从入门到放弃(五）独热编码和顺序编码的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。