技術標籤：機器學習機器學習

def onehot(label):
    #label=[1,2,3,3]
    #留下各異的標籤
    ulabel=np.unique(label)
    #ulabel=[1,2,3]
    #檢視一下各異標籤的數量。num_label=3
    num_label=ulabel.shape[0]
    #檢視訓練資料的個數n=4。
    n=label.shape[0]
    #初始化最終的one-hot的label。4*3列的最終向量是我們想要的。
    """
array([[0., 0., 0.],
       [0., 0., 0.],
       [0., 0., 0.],
       [0., 0., 0.]])
       
       """
 

    flabel=np.zeros((n,num_label))
    #雙重迴圈判段哪一位應該由0改成1。
    for i in range(n):
    	#判斷第i個訓練資料
        for j in range(num_label):
        	#根據i資料對應的ulabel下標來判斷哪一位由0改成1。
            if(label[i]==ulabel[j]):
                flabel[i][j]=1
    return flabel
    
    """
array([[1., 0., 0.],
       [0., 1., 0.],
       [0., 0., 1.],
       [0., 0., 1.]])
       
       """
 

測試如下：

x=np.array([1,2,3,3])
onehot(x)

結果如下：

看懂了，把上面的註釋去掉，如下：

def onehot(label):
    #先看一下一共有幾個標籤
    ulabel=np.unique(label)
    num_label=ulabel.shape[0]
    n=label.shape[0]
    #初始化最終的one-hot的label.
    flabel=np.zeros((n,num_label))
    for i in range(n):
        for j in range(num_label):
            if
 
(label[i]==ulabel[j]):
                flabel[i][j]=1
    return flabel

注意：

1.輸入的標籤序列label需要是numpy型別。
2.對於標籤label是字串也同樣適用，無需修改上述程式碼。

#標籤是字串
a=["sad","happy","angry","happy"]
a=np.array(a)
onehot(a)