#python #machine-learning #scikit-learn #one-hot-encoding
Вопрос:
Установка:
В рамках эксперимента я использую две библиотеки, скажем A , и B . Библиотека A обучает двоичный классификатор (предпочтительно классификатор sklearn), а библиотека B берет предварительно обученный двоичный классификатор и изменяет его. Конвейер этого эксперимента состоит в том, чтобы обучить классификатор с использованием библиотеки A , а затем изменить этот же классификатор с помощью библиотеки B . Единственная проблема с этим процессом заключается в том, что библиотека A ожидала, что классификатор будет выводить прогнозы в формате 1D (т. Е. предсказывать либо 1 или 0 ), в то время как библиотека B ожидает, что классификатор будет выводить прогнозы в формате 2D или в одной горячей кодировке (т. е. предсказывать либо [0, 1] или [1, 0] ).
Вопрос:
Существует ли метод для взятия соответствующего классификатора sklearn, который делает 1D двоичные предсказания, и изменения его таким образом, чтобы его выходы были 2D двоичными предсказаниями (т. Е. предсказаниями с одним горячим кодированием) без переподготовки классификатора.