keras中的keras.utils.to_categorical方法

參考鏈接：https://blog.csdn.net/nima1994/article/details/82468965 

參考鏈接：https://blog.csdn.net/gdl3463315/article/details/82659378

to_categorical(y, num_classes=None, dtype='float32')

將整型的類別標簽轉為onehot編碼。y為int數組，num_classes為標簽類別總數，大於max(y)（標簽從0開始的）。

返回：如果num_classes=None，返回len(y) * [max(y)+1]（維度，m*n表示m行n列矩陣，下同），否則為len(y) * num_classes。
 

1.  
   import keras
2.  
    
3.  
   ohl=keras.utils.to_categorical([ 1,3])
4.  
   # ohl=keras.utils.to_categorical([[1],[3]])
5.  
   print(ohl)
6.  
   """
7.  
   [[0. 1. 0. 0.]
8.  
   [0. 0. 0. 1.]]
9.  
   """
10.  
    ohl=keras.utils.to_categorical([ 1,3],num_classes=5)
11.  
    print(ohl)
12.  
    """
13.  
    [[0. 1. 0. 0. 0.]
14.  
    [0. 0. 0. 1. 0.]]
15.  
    """

該部分keras源碼如下：

1.  
   def to_categorical(y, num_classes=None, dtype='float32'):
2.  
   """Converts a class vector (integers) to binary class matrix.
3.  
    
4.  
   E.g. for use with categorical_crossentropy.
5.  
    
6.  
   # Arguments
7.  
   y: class vector to be converted into a matrix
8.  
   (integers from 0 to num_classes).
9.  
   num_classes: total number of classes.
10.  
    dtype: The data type expected by the input, as a string
11.  
    (`float32`, `float64`, `int32`...)
12.  
     
13.  
    # Returns
14.  
    A binary matrix representation of the input. The classes axis
15.  
    is placed last.
16.  
    """
17.  
    y = np.array(y, dtype= 'int')
18.  
    input_shape = y.shape
19.  
    if input_shape and input_shape[-1] == 1 and len(input_shape) > 1:
20.  
    input_shape = tuple(input_shape[: -1])
21.  
    y = y.ravel()
22.  
    if not num_classes:
23.  
    num_classes = np.max(y) + 1
24.  
    n = y.shape[ 0]
25.  
    categorical = np.zeros((n, num_classes), dtype=dtype)
26.  
    categorical[np.arange(n), y] = 1
27.  
    output_shape = input_shape + (num_classes,)
28.  
    categorical = np.reshape(categorical, output_shape)
29.  
    return categorical
30.  
     

簡單來說：**keras.utils.to_categorical函數：是把類別標簽轉換為onehot編碼（categorical就是類別標簽的意思，表示現實世界中你分類的各類別）， 而onehot編碼是一種方便計算機處理的二元編碼。**