keras.utils.to_categorical和one hot格式

标题 ##keras.utils.to_categorical和one hot格式

---

keras.utils.to_categorical这个方法，源码中，它是这样写的：

Converts a class vector (integers) to binary class matrix.
E.g. for use with categorical_crossentropy.

也就是说它是对于一个类型的容器（整型）的转化为二元类型矩阵。比如用来计算多类别交叉熵来使用的。

其参数也很简单：

def to_categorical(y, num_classes=None): 
Arguments 
y: class vector to be converted into a matrix 
(integers from 0 to num_classes). 
num_classes: total number of classes.

说的很明白了，y就是待转换容器（其类型为从0到类型数目），而num_classes则是类型的总数。

这样这一句就比较容易理解了：

先通过np生成一个1000*1维的其值为0-9的矩阵，然后再通过keras.utils.to_categorical方法获取成一个1000*10维的二元矩阵。
y_train = keras.utils.to_categorical(np.random.randint(10, size=(1000, 1)), num_classes=10)

说了这么多，其实就是使用onehot对类型标签进行编码。下面的也都是这样解释。

one hot编码是将类别变量转换为机器学习算法易于利用的一种形式的过程。

通过例子可能更容易理解这个概念。

假设我们有一个迷你数据集：

公司名 类别值 价格
VW       1     20000
Acura    2     10011
Honda    3     50000
Honda    3     10000

其中，类别值是分配给数据集中条目的数值编号。比如，如果我们在数据集中新加入一个公司，那么我们会给这家公司一个新类别值4。当独特的条目增加时，类别值将成比例增加。

在上面的表格中，类别值从1开始，更符合日常生活中的习惯。实际项目中，类别值从0开始（因为大多数计算机系统计数），所以，如果有N个类别，类别值为0至N-1.

sklear的LabelEncoder可以帮我们完成这一类别值分配工作。

现在让我们继续讨论one hot编码，将以上数据集one hot编码后，我们得到的表示如下：

VW Acura Honda 价格
1 0 0 20000
0 1 0 10011
0 0 1 50000
0 0 1 10000

---

简单来说：**keras.utils.to_categorical函数是把类别标签转换为onehot编码（categorical就是类别标签的意思，表示现实世界中你分类的各类别），
而onehot编码是一种方便计算机处理的二元编码。**

---