Как я могу создать одну горячую кодировку слов с каждым словом, представленным разреженным вектором размера словарного запаса и индексом этого конкретного слова, равным 1, используя тензорный поток?
что-то вроде
oneHotEncoding(words = ['a','b','c','d']) -> [[1,0,0,0],[0,1,0,0],[0,0, 1,0],[0,0,0,1]] ?
Один горячий кодировщик Scikit принимает массив целых чисел (http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.OneHotEncoder.html). Основываясь на вашем примере, вы можете использовать словарь для сопоставления слов с целыми числами и идти оттуда:
import numpy as np
from sklearn.preprocessing import OneHotEncoder
wdict = {'a': 0, 'b': 1, 'c': 2, 'd': 3}
dictarr = np.asarray(wdict.values()).reshape(-1, 1)
enc = OneHotEncoder()
enc.fit(dictarr)
enc.transform([[2]]).toarray()
который дает
array([[ 0., 0., 1., 0.]])
