Python 在keras中将数字输出标签转换为分类向量_Python_Vector_Keras_Deep Learning_Categorical Data

Python 在keras中将数字输出标签转换为分类向量

python vector keras deep-learning

Python 在keras中将数字输出标签转换为分类向量,python,vector,keras,deep-learning,categorical-data,Python,Vector,Keras,Deep Learning,Categorical Data,我在Keras中创建了一个深度学习多分类模型，并将我的outputlabel训练集y_train从1到14的数值转换为如下输出向量[0,0,1,0,0,0,0,0,0,0,0,0,0,0]=>表示数字2。这是我在python（keras）中使用的代码：但是，因为它将这些OutputLabel转换为长度为15而不是14的向量，因为它还将零作为潜在输出。我最初的numpy数组y_train看起来是这样的：[1,8,9,7,2,2,8…]，应该将其转换为长度为14而不是15的向量，以避免在训练模型时

我在Keras中创建了一个深度学习多分类模型，并将我的outputlabel训练集y_train从1到14的数值转换为如下输出向量

[0,0,1,0,0,0,0,0,0,0,0,0,0,0]=>表示数字2

。这是我在python（keras）中使用的代码：

但是，因为它将这些OutputLabel转换为长度为15而不是14的向量，因为它还将零作为潜在输出。我最初的numpy数组y_train看起来是这样的：

[1,8,9,7,2,2,8…]

，应该将其转换为长度为14而不是15的向量，以避免在训练模型时产生额外的损失。有没有一种简单的方法可以避免使用zero作为潜在的输出类

（

num\u classes=14

作为to\u categorical的参数会给出错误消息）

如果标签是从1到14，请尝试以下简单技巧：

y_train = to_categorical(np.asarray(y_train)-1)

我正是在找什么！非常感谢。

y_train = to_categorical(np.asarray(y_train)-1)