主要内容

onehotdecode

解码概率向量到类标签

折叠所有页面

    语法

    一个= onehotdecode (B类featureDim)
    一个= onehotdecode (B类、featureDim typename)

    描述

    例子

    一个= onehotdecode (B，类，featureDim）解码每个概率向量B的标签中最可能的类标签类．featureDim指定定义概率向量的维度。该函数通过将概率向量中最大值的位置与中对应位置的类标签进行匹配，将概率向量解码为类标签类．每个概率向量一个被替换为类它对应于概率向量中的最大值。

    例子

    一个= onehotdecode (B，类，featureDim，typename）解码每个概率向量B到最可能的类标签，并返回带有数据类型的结果typename．使用此语法可获得具有特定数据类型的已解码类标签。

    例子

    全部折叠

    打开生活的脚本

    使用onehotencode和onehotdecode函数将一组标签编码为概率向量，并将它们解码回标签。

    创建一个包含分类标签的向量。

    colorsOriginal = [“红色”“蓝色”“红色”“绿色”“黄色”“蓝色”];colorsOriginal =分类(colorsOriginal)
    colorsOriginal =1 x6分类红，蓝，红，绿，黄，蓝

    确定类别向量中的类。

    类=类别(colorsOriginal);

    将标签一次性编码为概率向量，使用onehotencode函数。将概率向量编码到第一个维度。

    colorsEncoded = onehotencode (colorsOriginal, 1)
    colorsEncoded =4×60 1 0 0 0 1 0 0 0 1 0 0 1 0 1 0 0 0 0 0 0 0 1 0

    使用onehotdecode解码概率向量。

    colorsDecoded = onehotdecode (colorsEncoded、类1)
    colorsDecoded =1 x6分类红，蓝，红，绿，黄，蓝

    解码后的标签与原始标签匹配。

    打开生活的脚本

    使用一个hotdecode将一组概率向量解码为每个观测的最可能的类。

    创建一组10个随机概率向量。向量表示观察结果属于五个类别之一的概率。

    numObs = 10;numClasses = 5;概率=兰德(numObs numClasses);合计=(问题2)之和;概率= prob. /合计;

    定义5个类的集合。

    类= [“红色”“黄色”“绿色”“蓝色”“紫色”];

    将概率解码成最可能的类别。概率向量被编码到第2维，因此将包含编码概率的维度指定为2．以字符串向量的形式获取最可能的类。

    结果= onehotdecode(概率、类2“字符串”）
    结果=10 x1字符串"红" "黄" "黄" "绿" "黄" "蓝" "绿" "黄" "红" "红"

    输入参数

    全部折叠

    要解码的概率向量，指定为数字数组。

    值B之间必须0和1．如果有一个概率向量B包含南值，然后该函数将该观察结果解码到具有最大不存在概率的类南．如果一个观察只包含南值时，函数将该观察值解码为中的第一个类标签类．

    数据类型:单|双

    类，指定为字符向量、字符串向量、数字向量或二维字符数组的单元格数组。

    数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64|字符串|细胞

    包含概率向量的维数，指定为正整数。

    使用featureDim在…中指定尺寸B它包含概率向量。函数替换其中的每个向量B的元素沿指定的尺寸类在与沿向量的最大值相同的位置。

    的维数B指定的featureDim长度必须等于指定的类的数量类．

    已解码标签的数据类型，指定为字符向量或字符串标量。

    有效的值typename是“分类”，“字符串”和数字类型，例如“单一”和“int64”．如果指定数值类型，类必须是数字向量。

    例子:“双”

    数据类型:字符|字符串

    输出参数

    全部折叠

    已解码的类标签，作为分类数组、字符串数组或数字数组返回。

    另请参阅

    |

    主题

    介绍了R2020b

    深度学习工具箱文档

    金宝app

    介绍基于MATLAB的深度学习

    介绍基于MATLAB的深度学习

    下载电子书