Python keras：多标签值的 to_categorical 给出 ValueError: invalid literal for int() with base 10

Posted 2023-03-12

【中文标题】Python keras：多标签值的 to_categorical 给出 ValueError: invalid literal for int() with base 10

【英文标题】：Python keras: to_categorical for multilabel values gives ValueError: invalid literal for int() with base 10

【发布时间】：2020-11-02 00:11:48

【问题描述】：

我在我的数据集上使用train_test_split 派生了一个训练集y_train（有8 个独特的类）。

y_train

    2019       AD
    777     QUERY
    282      INFO
    1879     REAL
    910     QUERY
        ...  
    997     QUERY
    510      FAKE
    252      REAL
    1334     FAKE
    1579     INFO
    Name: target, Length: 1653, dtype: object

现在当我在这个集合上运行 to_categorical 时，我得到了这个错误。

y_train = to_categorical(np.asarray(y_train),8, dtype='O')

     41     """
     42 
---> 43     y = np.array(y, dtype='int')
     44     input_shape = y.shape
     45     if input_shape and input_shape[-1] == 1 and len(input_shape) > 1:

ValueError: invalid literal for int() with base 10: 'AD'

我也试过 y_train = to_categorical(np.asarray(y_train))，但它给出了同样的错误，我不知道为什么？ dtype 是我的训练集的“对象”，我将其设置为 dtype = 'O' 那么问题出在哪里？

【参考方案1】：

这行得通。

y_train = to_categorical(np.asarray(y_train.factorize()[0]))

factorize() 方法将每个字符串编码为一个分类值，因为to_categorical 只能采用dtpye 的int 或float

【讨论】：

你能解释一下它的作用吗？