如何在分类中获取类名？

Question

我是 ML 的初学者，我构建了一个 SVM 模型来对一些输入进行分类。 我用熊猫来读取我的数据集。分类结果打印为索引，其中每一个都对应于我的数据集中标签（类）的名称。如何将这些索引转换为它们的名称（字符串）？

例如，我有三个类：[Question,General,Info]，但是当我尝试对输入进行分类时，结果是以下数字之一：[0,1,2] 我想将这些数字转换为我拥有的类的名称。

这是我的代码的一部分：

data = pandas.read_csv("classes.csv",encoding='utf-16' )


Train_X, Test_X, Train_Y, Test_Y = sklearn.model_selection.train_test_split(data['input'],data['Class'],test_size=0.3,random_state=None)

Test_Y 和Train_Y 是数字（类）列表，每个数字都指一个类，我怎么知道每个数字代表什么？

Answer 1

您需要知道的第一件事是：您的模型正在按预期工作。大多数时候，它会为每个标签输出一个概率。因此，如果您的模型输出类似[0.1, 0.1, 0.8] 的内容，则意味着您要分类的样本有 80% 属于位置 2 的标签。如果您按照问题中指示的顺序传递所有标签，即 @ 987654322@，表示该样本属于info类。注意这里的顺序很重要，当你在代码中输入模型时，你需要确保这一点。

因此，要输出字符串而不是数字，您需要获取模型输出的数字，并检查包含此关系的列表或字典中的标签。以列表为例：

labels_str = ['question', 'general', 'info']

# preds is a np.array containing the probabilities
preds = model(some_sample)

# this function returns the position of the max value in the array
pos_pred = preds.argmax() 

print ("The label for this sample is {}".format(labels_str[pos_pred])

你明白了吗？