От горячего представления до ярлыков

Question

Мои прогнозы под тензором pred, а pred.shape равно (4254, 10, 3).Итак, у нас есть 4254 матрицы размерности (10, 3).Давайте посмотрим на одну из этих матриц.

W = array([[0.04592975, 0.09632163, 0.85774857],
          [0.03408821, 0.27141285, 0.6944989 ],
          [0.02538731, 0.4691383 , 0.50547445],
          [0.01959289, 0.6456455 , 0.33476162],
          [0.01333424, 0.7494791 , 0.23718661],
          [0.0109237 , 0.77042925, 0.218647  ],
          [0.01438793, 0.7796771 , 0.20593494],
          [0.01474626, 0.6817438 , 0.30350992],
          [0.02189695, 0.57687664, 0.40122634],
          [0.03810155, 0.5130332 , 0.44886518]], dtype=float32)

Как видно из приведенного выше примера, есть 10 векторов, которые представляют горячее представление метки.Например, np.argmax([0.04592975, 0.09632163, 0.85774857]) = 2.

Почему я продолжаю серию из 10 векторов?Я работаю над проблемой прогнозирования временных рядов, где во время t_0 я предсказываю следующие 10 меток для времени t_1 для времени t_10.

Для каждой из этих матриц мне было бы интересно вернуть оригинальные метки.Поэтому для матрицы W я должен получить массив array([2, 2, 2, 1, 1, 1, 1, 1, 1, 1]).

Давайте определим пороговый массив threshold_array = np.array([0.6, 0.65, 0.70, 0.75, 0.80, 0.80, 0.80, 0.80, 0.80, 0.80]) и возьмем обратно labels = array([2, 2, 2, 1, 1, 1, 1, 1, 1, 1]).Предположим, что нейтральная позиция равна 1, а действие - 0 или 2.Цель здесь - изменить labels в соответствии с threshold_array и нашей матрицей W.

Если я возьму W[0], мы знаем, что np.argmax(W[0]) = 2 и W[0][2] = 0.85774857.Как W[0][2] >= threshold_array[0], тогда labels[0] останется 2.

Этот другой пример немного отличается.Если я возьму W[2], мы знаем, что np.argmax(W[2]) = 2 и W[2][2] = 0.50547445.Как W[2][2] < threshold_array[2], тогда labels[2] будет изменено с 2 на 0.

Если я применяю эту стратегию к каждому вектору из W, labels теперь устанавливается на array([2, 2, 0, 1, 1, 1, 1, 1, 1, 1]).Обратите внимание, что только действие может стать нейтральной позицией, а не обратной.

Как можно кодировать в python эту стратегию для каждой матрицы W внутри pred, чтобы получить матрицу меток измерения (4254, 10)?

Answer 1

Я не уверен, что это оптимальный способ справиться с этим, но вот ответ.

import numpy as np

threshold_array = np.array([0.6, 0.65, 0.70, 0.75, 0.80, 0.80, 0.80, 0.80, 0.80, 0.80])   

def get_labels(W, threshold_array):

    labels = []
    for i, vect in enumerate(W):
        neutral_position = 1
        label = np.argmax(vect)
        if label in [0, 2]:
            if vect[label] < threshold_array[i]:
                labels.append(neutral_position)
            else:
                labels.append(label)
        else:
            labels.append(label)
    return np.array(labels)

if __name__ == "__main__":
    labels = []
    for matrix in pred:
        labels.append(get_labels(matrix, theshold_array))
    labels = np.array(labels)