Python 如何比较两个一个热编码列表？

我在一个包含两个类的大型图像数据集上训练CNN，我对我的验证类做了一个热编码（y_测试）：

我想将这些与我的分类器所做的预测进行比较，我还对其进行了热编码，如：

y_pred = model.predict_classes(x_test)
y_pred = to_categorical(y_pred, num_classes=2)

通过这种比较，我想找到我的分类器哪里出错了，并将分类错误的图像保存到一个新文件夹中。但我认为我根本没有做对比较：

for i in range(0, len(y_test)):
if y_pred[i].any() != y_test[i].any():
    image = x_test_copy[i]
    path = 'path'
    cv2.imwrite(os.path.join(path , str(i)+'.jpg'), image)

---

有人知道我做错了什么吗？

我假设您使用的是Keras方法，该方法计算一个热编码矩阵，使得每一行都是训练样本的一个热编码标签。在这种情况下，你的比较是不正确的。您需要首先找到元素不相等的位置，然后强制要求，如果其中任何一个元素不正确，则将图像写入文件

因此，首先找到一个热编码向量彼此不对应的所有位置：

y_pred[i]！=y_test[i]

然后才对其施加

any

方法，以检查任何不相等的元素

（y_pred[i]！=y_test[i]）。any（）

。这意味着您的

if

语句需要更改：

for i in range(0, len(y_test)):
    if (y_pred[i] != y_test[i]).any(): # Change
        image = x_test_copy[i]
        path = 'path'
        cv2.imwrite(os.path.join(path , str(i)+'.jpg'), image)

---

只需将数组相乘，并对结果求和，即可得到正确预测的总数

(predictions*test_labels).sum()

---

可能尝试一下

（y_pred[i]！=y_test[i]）。any（）

？您是否使用Keras

来进行分类Keras@saremisona好啊谢谢我已经重新标记了你的问题的完整性。顺便说一句，我不知道为什么你要比较一个热编码向量，而你可以只比较实际的标签本身。这更简单，因为你只需要比较一个整数，而不是一个整数数组，因为只有一个热编码。你真是太好了，谢谢！
(predictions*test_labels).sum()