機器學習算法無法直接用于數據分類。數據分類必須轉換為數字才能進一步進行。

在本教程中，你將發現如何將輸入或輸出的序列數據轉換為一種熱編碼，以便于你在Python中深度學習的序列分類問題中使用。

看完本教程后，你將會了解：

·? ?1.什么是整數編碼和One-Hot編碼，以及為什么它們在機器學習中是必需的。

·? ?2.如何在Python中手工計算一個整數編碼和One-Hot編碼。

·? ?3.如何使用scikit-learn和Keras庫來自動對Python中的序列數據進行編碼。

本教程分為4部分：

1.什么是One-Hot編碼？

2.手動編寫One-Hot編碼

3.One-Hot Encode with scikit-learn.

4.One-Hot Encode with Keras.

1.什么是One-Hot編碼？

One-Hot編碼，又稱為一位有效編碼，主要是采用N位狀態寄存器來對N個狀態進行編碼，每個狀態都由他獨立的寄存器位，并且在任意時候只有一位有效。

One-Hot編碼是分類變量作為二進制向量的表示。這首先要求將分類值映射到整數值。然后，每個整數值被表示為二進制向量，除了整數的索引之外，它都是零值，它被標記為1。

2.One-Hot編碼的工作示例

讓我們用一個小例子來說明一下到底什么是One-Hot編碼。假設我們有一個帶有'red'和'green'值的標簽序列。我們可以將'red'的整數值分配為0，'green'的整數值為1。只要我們總是將這些數字分配給這些標簽，這稱為整數編碼。一致性是重要的，所以我們可以稍后反轉編碼，并從整數值獲取標簽。

接下來，我們可以創建一個二進制向量來表示每個整數值。對于2個可能的整數值，向量的長度為2。

編碼為0的“紅色”標簽將用二進制向量[1,0]表示，其中第0個索引被標記為值1。然后，編碼為1的“綠色”標簽將用一個二進制向量[0，1]，其中第一個索引被標記為1。

如果我們有序列：

‘red’,‘red’,‘green’。

我們可以用整數編碼來表示它：

0，0，1

而One-Hot編碼就為：

1 2 3

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

1.為什么要使用One-Hot編碼？

One hot?編碼進行數據的分類更準確，許多機器學習算法無法直接用于數據分類。數據的類別必須轉換成數字，對于分類的輸入和輸出變量都是一樣的。

我們可以直接使用整數編碼，需要時重新調整。這可能適用于在類別之間存在自然關系的問題，例如溫度“冷”（0）和”熱“（1）的標簽。

當沒有關系時，可能會出現問題，一個例子可能是標簽的“狗”和“貓”。

在這些情況下，我們想讓網絡更具表現力，為每個可能的標簽值提供概率式數字。這有助于進行問題網絡建模。當輸出變量使用one-hot編碼時，它可以提供比單個標簽更準確的一組預測。

2.手動One Hot編碼：

在這個例子中，我們將假設我們有一個字符串的例子，但是示例序列并不涵蓋所有可能的例子。

我們將使用以下字符的輸入序列：

Hello world。

我們將假設所有可能輸入是小寫字母和空格的完整字母表。因此，我們將以此展示如何滾動我們自己的one hot編碼。

完整的示例如下所示。

from numpy import argmax # define input string data = 'hello world' print(data) # define universe of possible input values alphabet = 'abcdefghijklmnopqrstuvwxyz ' # define a mapping of chars to integers char_to_int = dict((c, i) for i, c in enumerate(alphabet)) int_to_char = dict((i, c) for i, c in enumerate(alphabet)) # integer encode input data integer_encoded = [char_to_int[char] for char in data] print(integer_encoded) # one hot encode onehot_encoded = list() for value in integer_encoded:letter = [0 for _ in range(len(alphabet))]letter[value] = 1onehot_encoded.append(letter) print(onehot_encoded) # invert encoding inverted = int_to_char[argmax(onehot_encoded[0])] print(inverted)

運行示例首先打印輸入字符串。

所有可能的輸入的映射都是從char值創建為整數值。然后使用該映射對輸入字符串進行編碼。我們可以看到輸入'h'中的第一個字母被編碼為7。然后將整數編碼轉換為one hot編碼。一次完成一個整數編碼的字符。創建0個值的列表，以便字母表的長度可以表示任何預期的字符的長度。

接下來，特定字符的索引標記為1。我們可以看到，編碼為7的第一個字母“h”整數由二進制向量表示，長度為27，第七個索引標記為1。

最后，我們反轉第一個字母的編碼并打印結果。我們通過使用NumPy argmax（）函數定位具有最大值的二進制向量中的索引，然后使用字符值的反向查找表中的整數進行整數。

注意：輸出格式化為可讀性（我們將空格默認設置為z）。

?

?hello world ?[7, 4, 11, 11, 14, 26, 22, 14, 17, 11, 3] ?[[0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 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, 0, 0, 0, 0, 0, 0, 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, 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, 0], ?[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, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 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, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0], ?[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, 0, 0, 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, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 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, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]] ? h

現在我們已經看到了如何從頭開始自己的one hot編碼，我們來看看如何使用scikit學習庫來對輸入序列自動完全捕獲輸入值的預期范圍的情況。

3.One-Hot Encode with scikit-learn：

在這個例子中，我們假設你有一個輸出序列如下3個標簽：

Cold，warm，hot

10個時間序列的示例順序可以是：

Cold，cold，warm，cold，hot，hot，warm，cold，warm，hot

這將首先需要一個整數編碼，如1，2，3，然后是整數到one hot編碼具有3個值的二進制向量，例如[1,0,0]。

這個情況下提供序列中每個可能值的至少一個示例。因此，我們可以使用自動方法來定義整數到二進制向量的映射。

在這個例子中，我們將使用scikit學習庫的編碼器。具體來說，LabelEncoder創建標簽的整數編碼，OneHotEncoder用于創建整數編碼值的one hot編碼。

from numpy import array from numpy import argmax from sklearn.preprocessing import LabelEncoder from sklearn.preprocessing import OneHotEncoder # define example data = ['cold', 'cold', 'warm', 'cold', 'hot', 'hot', 'warm', 'cold', 'warm', 'hot'] values = array(data) print(values) # integer encode label_encoder = LabelEncoder() integer_encoded = label_encoder.fit_transform(values) print(integer_encoded) # binary encode onehot_encoder = OneHotEncoder(sparse=False) integer_encoded = integer_encoded.reshape(len(integer_encoded), 1) onehot_encoded = onehot_encoder.fit_transform(integer_encoded) print(onehot_encoded) # invert first example inverted = label_encoder.inverse_transform([argmax(onehot_encoded[0, :])]) print(inverted)

運行示例首先打印標簽序列。之后是標簽的整數編碼，最后是one hot編碼。訓練數據包含所有可能示例的集合，因此我們可以依靠整數和one hot編碼變換來創建標簽到編碼的完整映射。

默認情況下，OneHotEncoder類將返回更高效的稀疏編碼，這可能不適用于某些應用程序。例如使用Keras深度學習庫。在這種情況下，我們通過設置sparse = False這個參數來禁用稀疏返回類型。

首先，我們可以使用argmax（）NumPy函數來找到具有最大值的列的索引。然后可以將其輸入到LabelEncoder，以計算反向變換回文本標簽。運行結果為：

['cold' 'cold' 'warm' 'cold' 'hot' 'hot' 'warm' 'cold' 'warm' 'hot']? [0 0 2 0 1 1 2 0 2 1] [[ 1.??0.??0.] ?[ 1.??0.??0.] ?[ 0.??0.??1.] ?[ 1.??0.??0.] ?[ 0.??1.??0.] ?[ 0.??1.??0.] ?[ 0.??0.??1.] ?[ 1.??0.??0.] ?[ 0.??0.??1.] ?[ 0.??1.??0.]]? ['cold']

在下一個例子中，我們來看一下如何直接對一個整數值進行one hot編碼。

4.One Hot Encode with Keras：

您可能有一個已經是整數編碼的序列。

經過處理后，您可以直接使用整數。或者，您可以直接對整數進行one hot?編碼。這是非常重要的如果整數沒有真正的順序關系并且只是標簽的占位符。

Keras提供了一個名為to_categorical（）的函數，它可以幫助你使用one hot編碼整數數據。接下來我們看一個小例子：

在這個例子中，我們有4個整數值[0,1,2,3]，我們有以下10個數字的輸入序列：

Data = [1,3,2,0,3,2,2,1,0,1]

該序列具有已知了所有值，因此我們可以直接使用to_categorical（）函數。以下列出了此功能的完整示例。

from numpy import array from numpy import argmax from keras.utils import to_categorical # define example data = [1, 3, 2, 0, 3, 2, 2, 1, 0, 1] data = array(data) print(data) # one hot encode encoded = to_categorical(data) print(encoded) # invert encoding inverted = argmax(encoded[0]) print(inverted)

運行示例并打印輸入序列。

然后將整數編碼為二進制向量并打印。我們可以看到，正如我們預期的那樣，第一個整數值1被編碼為[0，1，0，0]。

然后，我們使用NumPy argmax（）函數反轉編碼，該函數返回第一個整數的期望值1的序列中的第一個值。

[1 3 2 0 3 2 2 1 0 1] [[ 0.??1.??0.??0.] ?[ 0.??0.??0.??1.] ?[ 0.??0.??1.??0.] ?[ 1.??0.??0.??0.] ?[ 0.??0.??0.??1.] ?[ 0.??0.??1.??0.] ?[ 0.??0.??1.??0.] ?[ 0.??1.??0.??0.] ?[ 1.??0.??0.??0.] ?[ 0.??1.??0.??0.] 1

進一步閱讀:

?OneHotEncoder scikit-learn API文檔

?LabelEncoder scikit-learn API文檔

?分類Keras API文檔

?Python中使用XGBoost進行漸變增強的數據準備

?多層次分類教程與Keras深度學習庫

總結：

從該教程中你應該學到了：

1.什么是整數編碼和one hot編碼，為什么它們在機器學習中是必需的。

2.如何在Python中手工計算一個整數編碼和one hot編碼。

3.如何使用scikit-learn和Keras庫來自動對Python中的序列數據進行編碼。

文章代碼可以直接運行！希望能夠幫助各位理解one-hot編碼

希望上述的介紹能夠幫助到你！?

原文來自?https://yq.aliyun.com/articles/126741

總結

以上是生活随笔為你收集整理的Python 序列数据的One Hot编码的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。