版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
keras.utils.to_categorical函数用来作什么？
用来将整数型标签转化为onehot数据。
例如，原来使用数组labels=[[1],[2],[5],[4],[5],[2],[3]]表示标签，只有使用keras.utils.to_categorical函数将其转化为onehot数据后，才能交由网络进行训练。
keras.utils.to_categorical定义
to_categorical(y, num_classes=None, dtype='float32')
其中y是待转换的标签数组。
num_class是标签中共有多少种类。
dtype则是转化的目标数据类型。
num_class使用时存在的问题
- 如果要指定num_class，需要明白：onehot其中种类从0开始编码
如果你的标签数组是从1开始编码的，例如：labels=[[1],[2],[5],[4],[5],[2],[3]]
此时，函数会自动认为类别共有0-5 ，6种，而不是五种
如果指定参数num_class=5，则会报错：
如下所示：
from keras.utils import np_utils
labels=[[1],[2],[5],[4],[5],[2],[3]]
onehot_labels2=np_utils.to_categorical(labels,num_classes=5)
错误信息如下：
IndexError: index 5 is out of bounds for axis 1 with size 5
此时，将num_class指定为6，即可通过，且运行结果与不指定num_class时是一样的，因为num_class的默认值是标签中最大数+1，如下所示：
from keras.utils import np_utils
labels=[[1],[2],[5],[4],[5],[2],[3]]
onehot_labels1=np_utils.to_categorical(labels)
onehot_labels2=np_utils.to_categorical(labels,num_classes=6)
print(labels)
print(onehot_labels1)
print(onehot_labels2)
运行结果：
[[1], [2], [5], [4], [5], [2], [3]]
[[0. 1. 0. 0. 0. 0.]
[0. 0. 1. 0. 0. 0.]
[0. 0. 0. 0. 0. 1.]
[0. 0. 0. 0. 1. 0.]
[0. 0. 0. 0. 0. 1.]
[0. 0. 1. 0. 0. 0.]
[0. 0. 0. 1. 0. 0.]]
[[0. 1. 0. 0. 0. 0.]
[0. 0. 1. 0. 0. 0.]
[0. 0. 0. 0. 0. 1.]
[0. 0. 0. 0. 1. 0.]
[0. 0. 0. 0. 0. 1.]
[0. 0. 1. 0. 0. 0.]
[0. 0. 0. 1. 0. 0.]]
我们可以看到，一共有6列，但是这和我们要求的类别数不一样。
因此，我们可以对标签内每个数减一，使其从0开始。