如果数据中只有2个标签，LabelBinarizer.fit_transform()将返回只有一列的数组。
但是对于我的用例的tensorflow模型训练，我需要的是标签数组中的2列。如何使用LabelBinarizer实现这一点?或者是否有其他接口?或者我是否需要通过迭代来手动修改数组？
浏览 3提问于2019-11-18得票数 0
回答已采纳
在训练之前，我使用skelarn的LabelBinarizer将每个图像的标签映射到概率向量。总共有120个labes1，所以每个概率向量都有120个值。所以现在当我使用模型进行预测时，我会得到概率向量。
如何将此向量映射到标签？我想我需要使用LabelBinarizer，因为它封装了标签的知识。但是我不知道该怎么做？
浏览 19提问于2019-11-02得票数 0
回答已采纳
1回答
这是我的数据集：
其中9498是像素的数量，17是时间戳的数量，我有24个类需要预测。我想从一些非常基本的东西开始。这是我使用的代码：from keras.models import Sequential# Loading the编辑：在这里快速查看了我的标签：我应该做一个热编码吗？
浏览 4提问于2020-07-28得票数 0
两者之间的区别是什么？看起来两者都创建了新的列，它们的数量等于特征中唯一类别的数量。然后，根据数据点所在的类别，将0和1分配给数据点。
浏览 2提问于2018-05-23得票数 53
1回答
我看过这张铰链丢失图：
plt.axvline(x = 1, color = 'g', linestyle='dashed')
现在的问题是
浏览 6提问于2022-11-20得票数 2
回答已采纳
如何在python中使用sklearn对其进行编码。我尝试了LabelBinarizer，LabelEncoder，Onehotencoder，但它不工作。其中一个错误：我使用的是kaggle数据集x = datasets.ilocy_train,y_test = train_test_split(x,y,test_size=0.2,random_
浏览 0提问于2017-11-21得票数 0
我试图使用sklearn.preprocessing.LabelBinarizer()来创建一个只包含两列标签的热编码，也就是说，我只想对两组对象进行分类。在本例中，当我使用fit(range(0,2))时，它只返回一个一维数组，而不是2x1。这很好，但是当我想在Tensorflow中使用它们时，对于维度一致性来说，形状应该是(2,1)。请告诉我怎么解决这个问题。以下是代码：lb = preproce
浏览 2提问于2019-03-26得票数 3
回答已采纳
为了使用这些规范列，我正在使用Scikit-Learn的LabelBinarizer进行一次热编码。在培训之前，我就是这样转换数据的：from sklearn.preprocessing import LabelBinarizer
lb_results = lb.fit_transform(df['Town'])
然而，我并不清楚如何使用<e
浏览 3提问于2017-10-09得票数 4
回答已采纳
看起来是这样的：0 Mazda2 Hondacar_BMW car_Honda car_Mazda假设test是这样的：0 Mazda然后，如果我在pd.get_dummies上使用test，我会得到：0 0我查看了sklearn.preprocessing.LabelBinarizer，但是它输出了一个numpy数组，列的顺序不清楚：
lb =
浏览 1提问于2018-05-02得票数 3
回答已采纳
1回答
test_size=0.20, random_state=42)但是，我想知道如何在执行在这种情况下，我可以使用DictVectorizer吗？如果是，那我该怎么用呢？
浏览 2提问于2017-09-12得票数 1
回答已采纳
以下代码：lb = LabelBinarizer()array([[1, 0], [0, 1],(我需要这种格式的数据，以便可以将其提供给在输出层使用softmax函数的神经网络)fro
浏览 1提问于2015-08-12得票数 19
回答已采纳
我有一个多类文本数据，我想要SMOTE，因为少数标签。我已经这样做了，但是我得到了稀疏矩阵作为我的输出。 有没有办法在SMOTE之后恢复文本数据？
浏览 108提问于2020-07-17得票数 2
回答已采纳
我正在对包含四个类的X射线扫描的DICOM图像进行对象检测和分类问题。当我将所有图像转换成一个numpy数组并将其与模型相匹配时，我的模型就可以工作了。labels_batch = np.array(labels)
lb = LabelBinarizer
浏览 3提问于2021-07-08得票数 0
回答已采纳
2回答
我正在使用sci-kit学习执行多类分类任务。在我创建的设置中，我想比较不同的分类算法。raise ValueError("bad input shape {0}".format(shape))我使用的代码是plottext, target))
(X, Ycat) = zip(*d
浏览 1提问于2015-04-20得票数 0
我的问题是，我得到了以下错误消息：
ValueError:检查目标时出错:期望activation_6具有形状(无，2)，但得到了形状为(5760,1)的数组。我知道我的错误与我的类/ binary_crossentropy的使用有关，并且发生在下面的model.fit行中，但是还无法找出问题的原因，或者如何修复它。通过将上面的model.add(稠密(类))改为model.add(密集(类-1))，我可以让模型进行训练，但是我的标签大小和target_names不匹配，我只有一个类别，所有的
浏览 2提问于2018-04-08得票数 0
回答已采纳
我对机器学习完全陌生，我一直在使用无人监督的学习技术。cat_pipeline = Pipeline([ ('label_binarizer', LabelBinarizer
浏览 19提问于2017-09-11得票数 92
sparse_output return self enc = LabelBinarizer
浏览 0提问于2018-04-23得票数 1
回答已采纳
我从LabelBinarizer创建了一个定制的编码器类。我在网上做了一些笔记： super().super().transform(X)
return super().fit(X).transform(X)
但我的问题是，它如何解决我的问题？我可以在这里的其他帖子中理解原因(我可以看到它正在
浏览 2提问于2017-11-02得票数 0
回答已采纳
1回答
在我使用predict_proda获得预测概率后，我使用roc_auc_score(y_test_over, y_prob, multi_class="ovo", average="macro")。但是，我得到了这个错误
然后，我使用中的代码from sklearn.preprocessing importLabelBinarizer
def multiclass_roc_auc_score
浏览 1提问于2020-06-12得票数 0
云服务器
ICP备案
云直播
腾讯会议
对象存储
腾讯云开发者
