numpy 數(shù)組包含如下所示的預(yù)測(cè)概率：predict_prob1 =([[0.95602106, 0.04397894], [0.93332366, 0.06667634], [0.97311459, 0.02688541], [0.97323962, 0.02676038]])predict_prob2 =([[0.70425144, 0.29574856], [0.69751251, 0.30248749], [0.7072872 , 0.2927128 ], [0.68683139, 0.31316861]])predict_prob3 =([[0.56551921, 0.43448079], [0.93321106, 0.06678894], [0.92345399, 0.07654601], [0.88396842, 0.11603158]])我想逐個(gè)比較這三個(gè) numpy.ndarray 并找出哪個(gè)數(shù)組的概率最大。其中三個(gè)數(shù)組的長(zhǎng)度相同。我試圖實(shí)現(xiàn)這樣的事情，這是不正確的。for i in range(len(predict_prob1)): if(predict_prob1[i] > predict_prob2[i]) c = predict_prob1[i] else c = predict_prob2[i] if(c > predict_prob3[i]) result = c else result = array[i]請(qǐng)幫忙?。?
3 回答
隔江千里
TA貢獻(xiàn)1906條經(jīng)驗(yàn) 獲得超10個(gè)贊
如果你想要的結(jié)果是一個(gè) 4x2 數(shù)組，它索引三個(gè)數(shù)組中哪個(gè)位置的最大值，i,j那么你想要使用np.argmax
>>> import numpy as np
>>> predict_prob1 =([[0.95602106, 0.04397894],
[0.93332366, 0.06667634],
[0.97311459, 0.02688541],
[0.97323962, 0.02676038]])
>>> predict_prob2 =([[0.70425144, 0.29574856],
[0.69751251, 0.30248749],
[0.7072872 , 0.2927128 ],
[0.68683139, 0.31316861]])
>>> predict_prob3 =([[0.56551921, 0.43448079],
[0.93321106, 0.06678894],
[0.92345399, 0.07654601],
[0.88396842, 0.11603158]])
>>> np.argmax((predict_prob1,predict_prob2,predict_prob3), 0)
array([[0, 2],
[0, 1],
[0, 1],
[0, 1]])
>>>
附錄
閱讀了 OP 的評(píng)論后，我將以下內(nèi)容添加到我的答案中
>>> names = np.array(['predict_prob%d'%(i+1) for i in range(3)])
>>> names[np.argmax((predict_prob1,predict_prob2,predict_prob3),0)]
array([['predict_prob1', 'predict_prob3'],
['predict_prob1', 'predict_prob2'],
['predict_prob1', 'predict_prob2'],
['predict_prob1', 'predict_prob2']], dtype='<U13')
>>>
尚方寶劍之說(shuō)
TA貢獻(xiàn)1788條經(jīng)驗(yàn) 獲得超4個(gè)贊
你可以這樣做np.maximum.reduce：
np.maximum.reduce([A, B, C])
其中A, B,C是numpy.ndarray
對(duì)于您的示例，它的結(jié)果是：
[[0.95602106 0.43448079]
[0.93332366 0.30248749]
[0.97311459 0.2927128 ]
[0.97323962 0.31316861]]
守候你守候我
TA貢獻(xiàn)1802條經(jīng)驗(yàn) 獲得超10個(gè)贊
假設(shè)您想要，對(duì)于每一行，類(lèi)別 0 的概率最高的數(shù)組的索引：
which = 0
np.stack([predict_prob1, predict_prob2, predict_prob3], axis=2)[:, which, :].argmax(axis=1)
輸出：
array([0, 0, 0, 0])
對(duì)于第 1 類(lèi)：
array([2, 1, 1, 1])
添加回答
舉報(bào)
0/150
提交
取消