onehotencode

编码分类向量类标签在一个炎热的向量表示的标签。

标签创建一个列向量,向量的每一行代表一个单一的观察。将标签转换成绝对数组。

标签= [“红色”;“蓝色”;“红色”;“绿色”;“黄色”;“蓝色”];=分类标签(标签);

视图类的顺序。

类别(标签)

ans =4 x1细胞{“蓝”}{“绿色”}{‘红色’}{‘黄色’}

编码的标签在一个炎热的向量。第二维度标签扩展到向量编码类。

= onehotencode标签(标签,2)

标签=6×40 0 1 0 1 0 0 0 0 0 1 0 0 1 0 0 0 0 0 1 1 0 0 0

每一个观察标签现在是一个行向量1在相对应的位置的类标签和类别0在其他位置。函数编码的顺序相同的标签分类,这样的一个1在适当的位置1表示列表中的第一类,在这种情况下,“蓝”。

在一个炎热的编码分类表值。

创建一个表的分类数据标签。表中的每一行包含一个观察。

颜色= [“蓝色”;“红色”;“蓝色”;“绿色”;“黄色”;“红色”];颜色=分类(颜色);颜色=表(颜色);

在一个炎热的类标签的编码表。

颜色= onehotencode(颜色)

颜色=6×4表蓝绿红黄___ _____ ___ _____ 1 0 0 0 0 0 1 0 1 0 0 0 0 0 0 0 0 0 1 0 0 1 0

表的每一列代表一个类。编码的数据标签的功能1列的相应的类0其他地方。

如果不是所有的类在数据相关,编码的数据标签使用只有一个子集的类。

数据标签创建一个行向量,向量的每一列代表一个单一的观察

宠物= [“狗”“鱼”“猫”“狗”“猫”“鸟”];

定义列表的类进行编码。这些类是观察在场的一个子集。

animalClasses = [“鸟”;“猫”;“狗”];

在一个炎热的编码观察到第一个维度。指定编码的类。

encPets = onehotencode(宠物,1,“类名”animalClasses)

encPets =3×6南0 0 0 1 0南1 0 1 0 1南0 1 0 0

观察类的类的列表中不存在编码是一个向量的编码南值。

使用onehotencode编码矩阵的类标签,如语义图像的分割。

定义一个简单15-by-15像素细分矩阵的类标签。

一个=“蓝色”;B =“绿色”;C =“黑色”;15 = repmat (8);B = repmat (B 7 5);C = repmat (C、7、5);赛格= [A, B C B];

细分矩阵转化为一个分类数组。

赛格=分类(凹陷);

在一个炎热的编码矩阵分割成一个数组的类型单。扩大编码标签进入第三维度。

encSeg = onehotencode(赛格3“单身”);

检查编码细分的大小。

大小(encSeg)

ans =1×315 15 3

三种可能的类的像素细分矩阵编码向量在第三维度。

如果您的数据是一个表,其中包含几种类型的类变量,您可以对每个变量分别进行编码。

创建一个表的几种类型的分类数据的观测。

颜色= [“蓝色”;“红色”;“蓝色”;“绿色”;“黄色”;“红色”];颜色=分类(颜色);宠物= [“狗”;“鱼”;“猫”;“狗”;“猫”;“鸟”];宠物=分类(宠物);位置= [“美国”;“可以”;“可以”;“美国”;“来自”;“美国”];位置=分类(位置);data =表(颜色、宠物、位置)

data =6×3表颜色宠物位置______ ____ ________蓝狗美国红鱼蓝色猫可以绿狗美国黄猫来自红鸟

使用一个为循环一个炎热的编码每个表变量并将它附加到一个新表包含编码数据。

encData =表();为i = 1:宽度(数据)encData = [encData onehotencode(数据(:,i)));结束encData

encData =6×11表蓝色绿色红色黄色小鸟猫狗鱼来自美国___ _____ ___能跟1幅中国画上一幅中国画0 0 0 0 0 1 0 0 0 1 0 0 1 0 0 0 0 1 0 1 0 1 0 0 0 0 1 0 0 0 1 1 0 0 1 0 0 0 0 0 0 0 0 0 0 1 0 1 0 0 1 0 0 0 0 1 0 1 0 0 0 0 0 1

每一行的encData编码的三个不同分类类别为每个观察。