python – Pandas中的标签平滑(软目标)

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python – Pandas中的标签平滑(软目标)，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1132字，纯文字阅读大概需要2分钟。

内容图文

在Pandas中有一个get_dummies方法,one-hot编码分类变量.现在我想按照Deep Learning书7.5.1节中的描述进行标签平滑：

Label smoothing regularizes a model based on a softmax with k output values by replacing the hard 0 and 1 classification targets with targets of eps / k and 1 - (k - 1) / k * eps, respectively.

在Pandas数据帧中做标签熏制的最有效和/或最优雅的方法是什么？

解决方法:

首先,让我们使用更简单的方程(ε表示从“真实标签”移动的概率质量,并分配给所有剩余的方程).

1 -> 1 - ?
0 -> ? / (k-1) 

你可以简单地使用上面很好的数学属性,因为你所要做的就是

x -> x * (1 - ?) + (1-x) * ? / (k-1)

因此,如果您的虚拟列是a,b,c,d就可以了

indices = ['a', 'b', 'c', 'd']
eps = 0.1
df[indices] = df[indices] * (1 - eps) + (1-df[indices]) * eps / (len(indices) - 1)

哪个

>>> df
   a  b  c  d
0  1  0  0  0
1  0  1  0  0
2  0  0  0  1
3  1  0  0  0
4  0  1  0  0
5  0  0  1  0

回报

        a         b         c         d
0  0.900000  0.033333  0.033333  0.033333
1  0.033333  0.900000  0.033333  0.033333
2  0.033333  0.033333  0.033333  0.900000
3  0.900000  0.033333  0.033333  0.033333
4  0.033333  0.900000  0.033333  0.033333
5  0.033333  0.033333  0.900000  0.033333

正如所料.

内容总结

以上是互联网集市为您收集整理的python – Pandas中的标签平滑(软目标)全部内容，希望文章能够帮你解决python – Pandas中的标签平滑(软目标)所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端