python - 仅使用 keras 对一组 float 进行一次性编码

Question

首先，我是 stackoverflow 的新手，所以如果有什么方法可以改进我提出问题的方式，或者如果我遗漏了一些明显的东西，请向我指出!

我正在 Keras 中构建分类卷积网络，要求网络预测用于生成图像的参数。这些类以 5 个浮点值编码，例如类列表可能如下所示:

[[0.], [0.76666665], [0.5], [0.23333333], [1.]]

我想使用 keras.utils.to_categorical(y, num_classes=5, dtype='float32') 对这些类进行一次性编码功能。

但是，它返回以下内容:

array(
    [
       [1., 0., 0., 0., 0.],
       [1., 0., 0., 0., 0.],
       [1., 0., 0., 0., 0.],
       [1., 0., 0., 0., 0.],
       [0., 1., 0., 0., 0.]
    ], 
dtype=float32)

它只接受整数作为输入，因此它映射所有值 < 1.至 0 .我可以通过将所有值乘以一个常数来规避这个问题，这样它们都是整数，我认为在 scikit learn 中也有一种方法可以解决这个问题，但这听起来像是一个巨大的变通方法，对于一个应该很容易解决的问题在 keras 中，这让我相信我遗漏了一些明显的东西。

我希望有人能够指出一个仅使用 Keras 的简单替代方案。

Answer 1

另一种选择是使用 sklearn 中的 OneHotEncoder:

from sklearn.preprocessing import OneHotEncoder

encoder = OneHotEncoder(categories='auto')

input = [[0.], [0.76666665], [0.5], [0.23333333], [1.]]
output = encoder.fit_transform(input)

print(input)
print(output.toarray())

输出:

[[0.0], [0.76666665], [0.5], [0.23333333], [1.0]]
[[ 1.  0.  0.  0.  0.]
 [ 0.  0.  0.  1.  0.]
 [ 0.  0.  1.  0.  0.]
 [ 0.  1.  0.  0.  0.]
 [ 0.  0.  0.  0.  1.]]