如何修正one_hot函数输出以得到目标独热编码矩阵？

问题根源 #

当前输出存在两个核心问题：

1. 冗余维度：输入Y是(1,5)的二维数组，直接用它索引np.eye(n_classes)会保留原维度，导致结果变成(1,5,5)的三维数组。
2. 维度顺序不符：目标矩阵要求格式为(n_classes, n_samples)（每列对应一个样本的独热编码），但当前索引得到的是(n_samples, n_classes)（每行对应一个样本）。

修改后的代码 #

import numpy as np

def one_hot(Y, n_classes):
    """
    Arguments:
    Y -- array of input labels of shape (1, n_samples)
    n_classes -- number of classes

    Returns:
    onehot, a matrix of labels by samples. For each column, the ith index will be 
        "hot", or 1, to represent that index being the label; shape - (n_classes, n_samples)
    """
    # 展平Y消除冗余维度，转置后匹配目标形状
    return np.eye(n_classes)[Y.flatten()].T

输出验证 #

运行修改后的代码，输出与目标矩阵完全一致：

[[0. 0. 0. 0. 0.]
 [1. 0. 0. 0. 0.]
 [0. 1. 0. 0. 0.]
 [0. 0. 1. 0. 1.]
 [0. 0. 0. 1. 0.]]

关键说明 #

• Y.flatten()：将(1,5)的二维输入转为(5,)的一维数组，避免索引后产生多余维度。
• .T：对索引得到的(5,5)数组进行转置，将每行对应样本的格式转为每列对应样本，完全符合函数注释中(n_classes, n_samples)的输出要求。
• 输入标签值（1、2、3、4）与np.eye的索引完全匹配，无需额外调整偏移量。

内容的提问来源于stack exchange，提问作者Андрей Березюк