我正在研究LSTM模型。

输出是分类数据。

其格式为[[t11,t12,t13],[t21,t22,t23]]

我能够在一维数组上实现，但对于二维数组我发现有些困难。

from keras.utils import to_categoricalprint(to_categorical([[9,10,11],[10,11,12]]))

输出

[[ 0.  0.  0.  0.  0.  0.  0.  0.  0.  1.  0.  0.  0.][ 0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  1.  0.  0.][ 0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  1.  0.][ 0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  1.  0.  0.][ 0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  1.  0.][ 0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  1.]]

有两个不同的输入，每个输入有3个时间步，但在输出中它们都被合并了。

我需要的输出是，

[[[ 0.  0.  0.  0.  0.  0.  0.  0.  0.  1.  0.  0.  0.][ 0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  1.  0.  0.][ 0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  1.  0.]],[[ 0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  1.  0.  0.][ 0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  1.  0.][ 0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  1.]]]

回答：

如果形状很奇怪，可以尝试将其变成一维，使用函数，然后再重塑回原来的形状：

originalShape = myData.shapetotalFeatures = myData.max() + 1categorical = myData.reshape((-1,))categorical = to_categorical(categorical)categorical = categorical.reshape(originalShape + (totalFeatures,))