Keras 프레임워크 아래의 단독 인코딩과 디코딩으로 당신의 데이터를 대변신시킵니다
1495 단어 기계 학습
# -*- coding: utf-8 -*-
import numpy as np
from keras.utils import to_categorical
def _OneHot_encode():
data = np.array([[0, 1, 2],
[3, 4, 5],
[7, 8, 9],
[10, 11, 12]])
print(data)
print(data.shape)
encoded_data = to_categorical(data)
print(encoded_data.shape)
print(encoded_data)
return encoded_data
def _OneHot_decode():
encoded_data = _OneHot_encode()
decoded_data = []
for i in range(encoded_data.shape[0]):
decoded = np.argmax(encoded_data[i], axis=1)
decoded_data.append(decoded)
decoded_data = np.array(decoded_data)
print(decoded_data.shape)
return decoded_data
if __name__ == '__main__':
decoded_data = _OneHot_decode()
print(decoded_data)여기서 인코딩을 마치면 다음과 같습니다.
[[[1. 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. 1. 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. 1. 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. 1. 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. 1. 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. 1. 0.] [0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 1.]]]
그리고 디코딩을 마치고 돌아갔습니다.
[[ 0 1 2] [ 3 4 5] [ 7 8 9] [10 11 12]]
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
형태소 분석은 데스크톱을 구성하는 데 도움이?문자×기계 학습에 흥미를 가져와 개인 범위의 용도를 생각해, 폴더 정리에 사용할 수 있을까 생각해 검토를 시작했습니다. 이번 검토에서는 폴더 구성 & text의 읽기 → mecab × wordcloud를 실시하고 있...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.
좋은 웹페이지 즐겨찾기
