平滑分类输出

Question

我有一个从奶牛行为检测模型获得的输出列表。即使在奶牛产蛋的视频中，它通常也会识别为站立，反之亦然。在每个视频帧中，模型给出一个分类结果，我们将其附加到一个列表中。假设在 20 帧之后，我们有一系列输出如下 -

behavious_cow_1 = ["stand","stand","stand","stand","lying", "stand","stand", "eating", "stand","stand","stand","stand","lying""stand","stand","stand","stand","stand","stand","lying"]

在 20 个分类结果中，我们有 4 个错误分类； 3个谎言，1个吃东西。然而，这头牛一直坐在一个地方。如果列表只包含像 - 1,2,3...这样的数值，我会选择移动平均线来改变错误分类。是否有任何可以平滑分类输出的 Scipy、Pandas、Numpy 函数？我正在考虑使用前 3 个和后 3 个值来确定当前类别。

Answer 1

我使用了以下解决方案-

import scipy.stats
window_length = 7
behave = ["stand","stand","stand","stand","lying","lying", "eating"]
most_freq_val = lambda x: scipy.stats.mode(x)[0][0]
smoothed = [most_freq_val(behave[i:i+window_length]) for i in range(0,len(behave)-window_length+1)]

我尝试了 Hugolmn 发布的解决方案，但它在某个时候崩溃了。在滚动模式下，窗口宽度由用户提供（此处为 7）。在一定宽度下，如果多个值出现在相同的次数中，则代码不起作用。这更像是 - 你试图找到一个列表的统计模式（最常见的项目），但它得到了多个具有相同最高频率的项目。

Answer 2

我自己很惊讶 mode() 之类的函数在 pandas 的滚动窗口中不起作用。但是，我仍然找到了解决您问题的好方法

首先，创建一个具有分类数据类型的熊猫系列：

df = pd.Series(sample, dtype='category')

现在您可以看到 df.cat.categories 返回数据中的类别列表，而 df.cat.codes 返回与它们关联的代码。我们可以使用后者来应用宽度为 7 的滚动模式（前 3 个，值，后 3 个）：

df.cat.codes
0     3
1     3
2     3
3     3
4     1
5     3
6     3
7     0
8     3
9     3
10    3
11    3
12    2
13    3
14    3
15    3
16    3
17    3
18    1
dtype: int8

df.cat.codes.rolling(7, center=True, min_periods=0).apply(lambda x: x.mode())
0     3.0
1     3.0
2     3.0
3     3.0
4     3.0
5     3.0
6     3.0
7     3.0
8     3.0
9     3.0
10    3.0
11    3.0
12    3.0
13    3.0
14    3.0
15    3.0
16    3.0
17    3.0
18    3.0
dtype: float64

最后，您可以映射代码以获取字符串：

(df.cat.codes
  .rolling(7, center=True, min_periods=0)
  .apply(lambda x: x.mode())
  .map(dict(enumerate(df.cat.categories)))
)
0     stand
1     stand
2     stand
3     stand
4     stand
5     stand
6     stand
7     stand
8     stand
9     stand
10    stand
11    stand
12    stand
13    stand
14    stand
15    stand
16    stand
17    stand
18    stand
dtype: object

你去吧！在对他们的代码应用滚动模式后，您恢复了您的字符串！