one-hot 인코딩 : tensorflow

one-Hot encoding

인코딩(Encoding)

카테고리 값이나 텍스트 정보를 저리가 쉬운 정수로 변환하는 과정

one-hot 인코딩은 one-of-k라고도 하며 0~k-1의 값을 가지는 정수 스칼라 값을 0 또는 1을 가지는 k차원(클래스수 =k)의 벡터로 변환합니다. 예로서 자료의 목록이 0~2의 범위를 가지는 경우에서 값들이 0, 1, 2라면 다음과 같이 변환됩니다.

0: 1,0,0
1: 0,1,0
2: 0,0,1

import numpy as np
x=[0, 1, 2]
x_oh=np.zeros((3,3));x_oh
array([[0., 0., 0.],
[0., 0., 0.],
[0., 0., 0.]])

for i, j in zip([0,1,2], x):
x_oh[i, j]=1
x_oh
array([[1., 0., 0.],
[0., 1., 0.],
[0., 0., 1.]])

tensorflow.one_hot()

tf.one_hot(indices, depth, on_value=None, off_value=None, axis=None, dtype=None, name=None)

depth의 지정한 위치(indices)에 지정한 값(on_value), 나머지 위치에 off_value값을 입력합니다.

on_value와 off_value의 기본값은 1과 0입니다.

depth는 axis의 값에 따라 유동적입니다.

indice가 feature 즉, 1차원으로 구성된 경우
• axis=-1 → feature × depth
  axis=0 → depth × feature

indice가 2차원 즉, [batch, feature]일 경우
• axis=-1 → batch × feature × depth
  axis=1 → batch × depth × feature
  axis=0 → depth × batch × feature

tf.one_hot([0,1,3], depth=4)
<tf.Tensor: shape=(3, 4), dtype=float32, numpy=
array([[1., 0., 0., 0.],
[0., 1., 0., 0.],
[0., 0., 0., 1.]], dtype=float32)>

tf.one_hot([0,1,3], depth=4, axis=0)
<tf.Tensor: shape=(4, 3), dtype=float32, numpy= array([[1., 0., 0.],

[0., 1., 0.],
[0., 0., 0.],
[0., 0., 1.]], dtype=float32)>

tf.one_hot([[1,2],[1,3]], depth=4, \
on_value=True, off_value=False, axis=-1)
<tf.Tensor: shape=(2, 2, 4), dtype=bool, numpy=
array([[[False, True, False, False],
[False, False, True, False]],
[[False, True, False, False],
[False, False, False, True]]])>

tf.one_hot([[1,2],[1,3]], depth=4,\
on_value=True, off_value=False, axis=1)
<tf.Tensor: shape=(2, 4, 2), dtype=bool, numpy=
array([[[False, False],
[ True, False],
[False, True],
[False, False]],
[[False, False],
[ True, False],
[False, False],
[False, True]]])>

tf.one_hot([[1,2],[1,3]], depth=4, \
on_value=True, off_value=False, axis=0)
<tf.Tensor: shape=(4, 2, 2), dtype=bool, numpy=
array([[[False, False],
[False, False]],
[[ True, False],
[ True, False]],
[[False, True],
[False, False]],
[[False, False],
[False, True]]])>