jupyter one-hot
时间: 2024-12-25 13:20:13 浏览: 73
### 实现 One-Hot 编码
One-Hot 编码是一种常见的特征处理方法,在机器学习和深度学习中广泛应用。通过此编码方式,可以将分类数据转换成二进制向量表示形式,其中每一列代表一个类别,并且只有一个元素被设置为1。
在 TensorFlow 中可以通过 `tf.one_hot` 函数轻松完成这一操作[^2]:
```python
import tensorflow as tf
labels = [0, 1, 2]
depth = 3
one_hot_labels = tf.one_hot(labels, depth)
print(one_hot_labels)
```
上述代码片段展示了如何利用 TensorFlow 的内置函数来创建 one-hot 向量。这里定义了一个标签列表 `labels` 和相应的维度 `depth`,接着调用了 `tf.one_hot()` 方法来进行转换并打印结果。
除了使用 TensorFlow 外,还可以借助 Pandas 库中的 `get_dummies()` 方法实现相同的功能[^3]:
```python
import pandas as pd
df = pd.DataFrame({
'Category': ['A', 'B', 'C']
})
one_hot_df = pd.get_dummies(df['Category'])
print(one_hot_df)
```
这段代码先构建了一个包含类别的 DataFrame 对象 `df`,随后应用了 `pd.get_dummies()` 来生成对应的 one-hot 表达矩阵。
阅读全文
相关推荐


















