python - 平滑分类输出

Question

我有一个从奶牛行为检测模型获得的输出列表。即使在奶牛下蛋的视频中，也经常将其识别为站立，反之亦然。在每个视频帧中，模型给出分类结果，我们将其附加到列表中。假设在 20 帧之后，我们有一系列输出如下 -

behavious_cow_1 = ["stand","stand","stand","stand","lying", "stand","stand", "eating", "stand","stand","stand","stand","lying""stand","stand","stand","stand","stand","stand","lying"]

在 20 个分类结果中，我们有 4 个错误分类； 3次撒谎，1次吃东西。然而，牛一直坐在一个地方。如果列表只包含像 - 1,2,3... 这样的数值，我会选择移动平均来改变错误分类。是否有任何可以平滑分类输出的 Scipy、Pandas、Numpy 函数？我正在考虑采用前 3 个值和后 3 个值来确定当前类别。

Answer 1

我使用了以下解决方案-

import scipy.stats
window_length = 7
behave = ["stand","stand","stand","stand","lying","lying", "eating"]
most_freq_val = lambda x: scipy.stats.mode(x)[0][0]
smoothed = [most_freq_val(behave[i:i+window_length]) for i in range(0,len(behave)-window_length+1)]

我尝试了 Hugolmn 发布的解决方案，但它在某一点上崩溃了。在滚动模式下，窗口宽度由用户提供(此处为 7)。在一定的宽度下，如果多个值出现相同的次数，则代码不起作用。它更像是 - 您试图找到列表的统计模式(最常见的项目)，但它得到了多个具有相同最高频率的项目。