在Pandas中有一个get_dummies
方法,one-hot编码分类变量.现在我想按照Deep Learning书7.5.1节中的描述进行标签平滑:
Label smoothing regularizes a model based on a softmax with k output values by replacing the hard 0 and 1 classification targets with targets of
eps / k
and1 - (k - 1) / k * eps
, respectively.
在Pandas数据帧中做标签熏制的最有效和/或最优雅的方法是什么?
解决方法:
首先,让我们使用更简单的方程(ε表示从“真实标签”移动的概率质量,并分配给所有剩余的方程).
1 -> 1 - ϵ
0 -> ϵ / (k-1)
x -> x * (1 - ϵ) + (1-x) * ϵ / (k-1)
因此,如果您的虚拟列是a,b,c,d就可以了
indices = ['a', 'b', 'c', 'd']
eps = 0.1
df[indices] = df[indices] * (1 - eps) + (1-df[indices]) * eps / (len(indices) - 1)
哪个
>>> df
a b c d
0 1 0 0 0
1 0 1 0 0
2 0 0 0 1
3 1 0 0 0
4 0 1 0 0
5 0 0 1 0
回报
a b c d
0 0.900000 0.033333 0.033333 0.033333
1 0.033333 0.900000 0.033333 0.033333
2 0.033333 0.033333 0.033333 0.900000
3 0.900000 0.033333 0.033333 0.033333
4 0.033333 0.900000 0.033333 0.033333
5 0.033333 0.033333 0.900000 0.033333
正如所料.
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。