机器学习模型中从独热编码输出转换为分类值

我在一个.py文件中创建了一个模型,并保存了它的.pkl文件,以便之后进行分析。这个模型是使用来自Kaggle情感数据集的代码构建的https://www.kaggle.com/shivamburnwal/speech-emotion-recognition。问题是,当我使用这个代码的模型来检测新音频的情感时,输出是以独热编码格式显示的。有没有办法可以得到实际的情感(如’快乐’、’恐惧’等)而不是1和0?


回答:

预测输出是一个类似这样的列表:

prediction = [0,0,0,0,1,0,0] , [0,1,0,0,0,0,0], [0,0,0,1,0,0,0]

然后你可以使用以下代码将它们转换:

pred = []for x in prediction:    if x == [0,0,0,0,1,0,0]:        pred.append('Sad')    elif x == [0,1,0,0,0,0,0]:        pred.append('Happy')    elif x == [0,0,0,1,0,0,0]:        pred.append('disgust')print(pred)

输出为:

['Sad', 'Happy', 'disgust']

请根据需要添加更多的elif语句。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注