分类任务中-1和1标签的One Hot编码实现问题求助

问题原因 #

keras.utils.np_utils.to_categorical要求输入是从0开始的连续非负整数类别，你的标签包含-1，它会被自动映射为0类，但因未提前统一标签格式，导致输出不符合预期。

解决方案 #

方案1：先映射标签为0/1再编码

先把-1转换成0（或1），1转换成1（或0），再使用to_categorical：

import numpy as np
from keras.utils import np_utils

# 将-1替换为0，1保持不变
Y_TRAIN_mapped = np.where(Y_TRAIN == -1, 0, Y_TRAIN)
# 执行One Hot编码
Y_TRAIN_One_hot = np_utils.to_categorical(Y_TRAIN_mapped, num_classes=2)

对应关系：

• 原标签-1 → 编码[1, 0]
• 原标签1 → 编码[0, 1]

若需调换编码对应关系，修改映射规则即可：

Y_TRAIN_mapped = np.where(Y_TRAIN == -1, 1, 0)
Y_TRAIN_One_hot = np_utils.to_categorical(Y_TRAIN_mapped, num_classes=2)

此时-1对应[0, 1]，1对应[1, 0]。

方案2：手动构建One Hot矩阵

跳过to_categorical，直接根据标签生成编码矩阵，逻辑更直观：

import numpy as np

# 初始化全0的编码矩阵，行数为样本数，列数为类别数
Y_TRAIN_One_hot = np.zeros((len(Y_TRAIN), 2), dtype=np.float32)
# 给-1对应的样本设置第一列为1
Y_TRAIN_One_hot[Y_TRAIN == -1, 0] = 1
# 给1对应的样本设置第二列为1
Y_TRAIN_One_hot[Y_TRAIN == 1, 1] = 1

内容的提问来源于stack exchange，提问作者dev_neil