keras로 멀티 클래스 분류에서 문자열 레이블을 처리하는 방법은 무엇입니까?

나는 기계 학습과 keras에 초보자이며 이제 keras를 사용하여 멀티 클래스 이미지 분류 문제를 해결하고 있습니다. 입력은 태그 된 이미지입니다. 사전 처리 후 훈련 데이터는 Python 목록에 다음과 같이 표시됩니다.

[["dog", "path/to/dog/imageX.jpg"],["cat", "path/to/cat/imageX.jpg"], ["bird", "path/to/cat/imageX.jpg"]]

"dog", "cat"및 "bird"는 클래스 레이블입니다. 이 문제에는 one-hot 인코딩을 사용해야한다고 생각하지만이 문자열 레이블을 처리하는 방법은 명확하지 않습니다. 이 방법으로 sklearn의 LabelEncoder ()를 시도했습니다.

encoder = LabelEncoder()
trafomed_label = encoder.fit_transform(["dog", "cat", "bird"])
print(trafomed_label)

그리고 출력은 [2 1 0]이며, [[1,0,0], [0,1,0], [0,0,1]]과 같은 무언가에 대한 나의 기대 출력과 다릅니다. 일부 코딩으로 수행 할 수는 있지만 처리 할 수있는 "표준"또는 "전통적인"방법이 있는지 알고 싶습니다.

Sklearn의 LabelEncoder모듈은 모든 클래스를 찾고 각각 0부터 시작하는 숫자 ID를 할당합니다. 즉, 클래스 표현이 원래 데이터 세트에있는 것이 무엇이든 이제 각 클래스를 나타내는 간단한 일관된 방법을 갖게됩니다. one-hot 인코딩을 수행하지는 않지만 올바르게 식별 할 수는 있지만 거의 비슷하며 해당 ID를 사용하여 다른 코드에서 one-hot-encoding을 신속하게 생성 할 수 있습니다.

one-hot 인코딩을 원한다면 LabelBinarizer대신 사용할 수 있습니다 . 이것은 매우 유사하게 작동합니다 :

 from sklearn.preprocessing import LabelBinarizer
 encoder = LabelBinarizer()
 transfomed_label = encoder.fit_transform(["dog", "cat", "bird"])
 print(transfomed_label)

산출:

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