python - 比较 numpy.ndarray 中特定位置的元素

Question

我不知道标题是否描述了我的问题。我有从 sigmoid 激活函数获得的浮点数列表。

  outputs = 
  [[0.015161413699388504,
  0.6720218658447266,
  0.0024502829182893038,
  0.21356457471847534,
  0.002232735510915518,
  0.026410426944494247],
 [0.006432057358324528,
  0.0059209042228758335,
  0.9866275191307068,
  0.004609372932463884,
  0.007315939292311668,
  0.010821194387972355],
 [0.02358204871416092,
  0.5838017225265503,
  0.005475651007145643,
  0.012086033821106,
  0.540218658447266,
  0.010054176673293114]] 

为了计算我的指标，我想说如果任何神经元的输出值大于 0.5，则假定该评论属于该类(多标签问题)。我可以轻松地使用 outputs = np.where(np.array(outputs) >= 0.5, 1, 0)但是，如果 class#5 和任何其他类的值 > 0.5(因为 class#5 不能与其他类一起出现)，我想添加一个条件以仅考虑更大的值。这个条件怎么写？
在我的示例中，输出应该是:

[[0 1 0 0 0 0]
 [0 0 1 0 0 0]
 [0 1 0 0 0 0]]

代替:

[[0 1 0 0 0 0]
 [0 0 1 0 0 0]
 [0 1 0 0 1 0]]

谢谢，

Answer 1

您可以编写一个自定义函数，然后将其应用于 outputs 中的每个子数组。使用 np.apply_along_axis()功能:

def choose_class(a):
    if (len(np.argwhere(a >= 0.5)) > 1) & (a[4] >= 0.5):
        return np.where(a == a.max(), 1, 0)
    return np.where(a >= 0.5, 1, 0)

outputs = np.apply_along_axis(choose_class, 1, outputs)
outputs
# array([[0, 1, 0, 0, 0, 0],
#       [0, 0, 1, 0, 0, 0],
#       [0, 1, 0, 0, 0, 0]])