将标签转换为 one-hot 编码

Question

所以我在学习使用 iris 数据集的 one-hot 编码

iris = load_iris()
X = iris['data'] # the complete data -2D
Y = iris['target'] # 1-D only the 150 rows 
names = iris['target_names'] #['setosa','versicolor','viginica']
feature_names = iris['feature_names']# [sl,sw,pl,pw]
isamples = np.random.randint(len(Y), size = 5)
Ny = len(np.unique(Y))
Y = keras.utils.to_categorical(Y[:], num_classes = Ny)
print('X:', X[isamples,:])
print('Y:', Y[isamples])

我对这部分感到困惑： Y = keras.utils.to_categorical(Y[:], num_classes = Ny)

Y[:] 是什么意思，: 在print(X[isamples,:]) 中有什么用

Answer 1

鸢尾花数据集包含来自三种鸢尾花（鸢尾花、弗吉尼亚鸢尾和杂色鸢尾）的 150 个样本。从每个样本中测量了四个特征：萼片和花瓣的长度和宽度，以厘米为单位。在您的代码中，X 表示用于训练您的模型的一组特征，您可以从 iris.data 获得这些特征，y 表示您可以从 iris.target 获得的 X 特征集上每一行的目标标签。标签使用数值表示（例如，setosa 类为 0，Virginia 类为 1，versicolor 类为 2）您可以使用 iris.target_names 获取每个类的名称。您在括号中看到的冒号称为 Python 中的切片运算符，它允许您从列表的元素中获取元素的子集，例如，如果您有一个列表 l = [1,2,3,4] 如果您只想要第二个列表的第三个元素可以使用 l[1:3]。好的，现在使用冒号运算符而不使用像这样的数字 l[:] 会给你一个整个列表的副本，所以 Y[:] 意味着给我一个 Y 列表的副本，对于 print(X[isamples,:]) 是示例是 0 到 600 之间的 5 个随机生成的索引的列表，用于从 X 列表中获取特征样本 print(X[isamples,:]) 表示从特征列表中抽取 5 个随机样本并打印每个特征的所有四个特征样本