我正在为机器学习生成我的特征数据集，并且我有一个2d numpy数组X，其中X.shape =（n，d） - n个样本，d个特征。
现在我使用one-hot-encoding-f生成一个新功能，其中f.shape =（n，1，k） - n个样本，k个标签。
将这个新功能添加到现有要素数据集中的最佳方法是什么？
单热矢量的第二个维度是多余的，因此您可以删除它并使用f作为形状(n, k)的2D数组。
你会做的事情如下：
new_data = np.concatenate((X, f.squeeze()), axis=1)
其中squeeze()函数从您的数组中删除所有1维（即f.squeeze().shape == (n, k)。
干杯