水平堆栈 2d Numpy 数组和 3d Numpy 数组

Question

我正在为机器学习生成我的特征数据集，并且我有一个 2d numpy 数组 X，其中 X.shape = (n, d) - n 个样本，d 个特征。

现在我使用 one-hot-encoding 生成一个新特征 - f 其中 f.shape = (n, 1, k) - n 个样本，k 个标签。

对我来说，将这个新特征添加到现有特征数据集的最佳方式是什么？

Answer 1

one-hot 向量的第二维是多余的，因此您可以删除它并将 f 用作形状为 (n, k) 的二维数组。
你会做这样的事情：

new_data = np.concatenate((X, f.squeeze()), axis=1)

squeeze() 函数从您的数组中删除所有一维（即f.squeeze().shape == (n, k)。

干杯