python - 在python中将概率向量转换为目标向量？

Question

我正在对来自 sklearn 的 iris 数据集进行逻辑回归，我知道数学并尝试实现它。在最后一步，我得到一个预测向量，这个预测向量表示该数据点属于第 1 类或第 2 类(二元分类)的概率。

现在我想把这个预测向量变成目标向量。假设如果概率大于50%，则对应的数据点属于第1类，否则属于第2类。用0表示第1类，1表示第2类。

我知道它有一个 for 循环版本，只是循环遍历整个向量。但是当尺寸变大时，for循环非常昂贵，所以我想更高效地进行，就像numpy的矩阵运算，它比for循环中的矩阵运算更快。

对更快的方法有什么建议吗？

Answer 1

import numpy as np

a = np.matrix('0.1 0.82')
print(a)

a[a > 0.5] = 1
a[a <= 0.5] = 0
print(a)

输出:

[[ 0.1   0.82]]
[[ 0.  1.]]

更新:

import numpy as np

a = np.matrix('0.1 0.82')
print(a)

a = np.where(a > 0.5, 1, 0)
print(a)