Керас to_categoral и прогнозы - PullRequest
Новая
       20

Керас to_categoral и прогнозы

0 голосов
/ 29 сентября 2019

Об использовании функции to_categorical пакета keras.utils в документации приведен следующий пример: 

# Consider an array of 5 labels out of a set of 3 classes {0, 1, 2}:
> labels
array([0, 2, 1, 2, 0])
# `to_categorical` converts this into a matrix with as many
# columns as there are classes. The number of rows
# stays the same.
> to_categorical(labels)
array([[ 1.,  0.,  0.],
       [ 0.,  0.,  1.],
       [ 0.,  1.,  0.],
       [ 0.,  0.,  1.],
       [ 1.,  0.,  0.]], dtype=float32)

В этом примере категориями являются значения 0, 1 и 2 в метках.

Исходя из результата, приведенного в примере, я считаю, что to_categorical возвращает значения категорий в порядке возрастания. Является ли это понимание правильным? Другой вопрос, при прогнозировании, в чем-то вроде 

predictions = model.predict(X_teste)
df_keras = pd.DataFrame(predictions, columns=[0, 1, 2, 3, 4, 5, 6, 7, 8])
df_keras['result'] = df_keras.filter(regex='\d').agg('idxmax', axis=1)

Гарантируется ли, что результирующий вектор будет иметь значения категорий в порядке возрастаниязаказ

...