tf.keras.utils.to_分类混合类

Question

我正在使用tf.keras.utils.to_categorical()进行数据准备。我有一个非常简单的列表，我想从中得到分类值。所以我这样做：

tf.keras.utils.to_categorical([1,2,3], num_classes=6)

我得到：

array([[0., 1., 0., 0., 0., 0.],
[0., 0., 1., 0., 0., 0.],
[0., 0., 0., 1., 0., 0.]], dtype=float32)

现在，为了进一步使用，我将发送给函数的值减少1，以获得6个类，而不使用0作为占位符：

tf.keras.utils.to_categorical([x -1 for x in [1,2,3]], num_classes=6)

结果是：

array([[1., 0., 0., 0., 0., 0.],
[0., 1., 0., 0., 0., 0.],
[0., 0., 1., 0., 0., 0.]], dtype=float32)

现在是奇怪的部分。我想将某些功能设置为0，这就是我发现这种行为的原因：

tf.keras.utils.to_categorical([x -1 for x in [-4,2,3]], num_classes=6)

结果在：

array([[0., 1., 0., 0., 0., 0.],
[0., 1., 0., 0., 0., 0.],
[0., 0., 1., 0., 0., 0.]], dtype=float32)

所以to_categorical()将-4和2混合到同一个类中，我觉得这很奇怪。我本以为会出现异常，因为列表无法映射到6个类。但我没想到会发生这种事。这是一个bug还是一个功能，为什么会发生这种情况？

谢谢！

Answer 1

这完全正常。它只是与Python的负索引保持一致。参见：

import tensorflow as tf
tf.keras.utils.to_categorical([0, 1, 2, -1, -2, -3])

array([[1., 0., 0.],
[0., 1., 0.],
[0., 0., 1.],
[0., 0., 1.],
[0., 1., 0.],
[1., 0., 0.]], dtype=float32)

换句话说：

import tensorflow as tf
a = tf.keras.utils.to_categorical([0, 1, 2],    num_classes=3)
b = tf.keras.utils.to_categorical([-3, -2, -1], num_classes=3)
print(a)
print(b)

[[1. 0. 0.]
[0. 1. 0.]
[0. 0. 1.]]
[[1. 0. 0.]
[0. 1. 0.]
[0. 0. 1.]]

Answer 2

如果你想知道为什么会发生这种情况，我认为keras中的to_categorical不适用于负数。但如果你想解决它，我建议让所有的数字都大于0。这个代码是这样做的：

arr=numpy.array([-5,-4,-2,-1,0,1,2,3,4]) #anything
arr+=(0-arr.min())

Answer 3

Keras to_categorical不适用于负数。上面写得很清楚，数字必须从0开始。

https://keras.io/api/utils/python_utils/#to_categorical-功能

如果你仍然需要让它发挥作用，制作一本字典来映射负数。