而 argmax() 返回... 9?!? 对，没错！
1. 谷歌网络安全证书 - 快速开启网络安全职业生涯。
2. 谷歌数据分析专业证书 - 提升你的数据分析能力
3. 谷歌 IT 支持专业证书 - 支持你的组织的 IT
回想一下 5 个 W：谁，什么，何时，哪里，为什么。
在处理问题时，用正确的“W”来框定问题可能意味着你能否获得所需的答案，或者陷入完全的困惑。
考虑以下内容：
-
你的名字是什么时候？
-
你是做什么的？
-
你住在哪条街上？
这些问题在提出时意义不大，因此你寻找的答案可能不会像预期的那样迅速出现。
当编写 Python 代码并使用 Numpy 的 argmax() 函数时，也可能会出现类似的困惑。argmax 在处理矩阵或任何维数的多维数组并查找最大值时非常有用。然而，argmax 返回的是沿某轴的最大值的索引，而不是最大值本身。
argmax 会告诉你在哪里，而不是什么。这是一个使用 Numpy 库的人经常误解的关键点，可能导致挫折。
让我们看看 Numpy 的 argmax 是如何设计的。
根据 Numpy 文档，argmax “[返回沿某轴的最大值的索引]”。
这意味着实际的最大值没有被返回，仅仅是这些最大值的位置。
其重要参数包括从输入数组中查找特定轴的最大值并返回其位置，以及一个特定的轴（这是可选的）。此外，还可以选择传递一个输出数组，以及一个布尔值以保留结果中的任何缩减轴。关于可选的轴参数，如果没有指定，返回的索引将指向展平后的输入数组。
argmax 返回一个原始数组索引的数组，其维度取决于函数的输入。
根据 Jason Brownlee 在 机器学习大师 的一篇文章：
argmax在机器学习中最常用于找到预测概率最大的类别。[...]
在应用机器学习中，你最常遇到的使用
argmax的情况是寻找数组中结果为最大值的索引。
如果我们考虑类别成员预测的概率，argmax函数可以确定数组中包含最大值的索引位置，从而获得最高概率的预测。这对于机器学习显然是有用的。
让我们看看argmax在实践中的表现。
让我们来看看argmax的实际应用。
在以通常的方式导入 Numpy 后，我们创建了一个单维度数组并将其传递给argmax。查看数组和代码，猜测一下你认为输出应该是什么。
import numpy as np
a = [[ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 ]]
max_idx = np.argmax(a)
print(max_idx)9这个输出符合你的预期吗？
如果你记得argmax返回的是索引而不是值，并且索引从 0 开始，我们可以看到我们得到的是索引 9——实际上是第十个位置——它包含了'10'，即数组中的最大值。
明白了吗？
让我们看看argmax如何在多个维度的数组中工作。
import numpy as np
a = [[ 1, 2, 3, 4, 5 ], [ 6, 7, 8, 9, 10 ]]
max_idx = np.argmax(a)
print(max_idx)9现在我们有一个二维数组。我们没有传递轴参数，因此argmax的默认行为是将多维数组展平为一维，并返回该展平数组中最大值的索引。
因此，结果与前面单维度数组的结果相同，现在应该很明显为什么。
但是如果我们指定一个轴呢？
首先，回顾一下轴 0 指的是行，而轴 1 指的是列。让我们看看当我们将axis=0传递给argmax时会发生什么。
import numpy as np
a = [[ 1, 2, 3, 4, 5 ], [ 6, 7, 8, 9, 10 ]]
max_idx = np.argmax(a, axis=0)
print(max_idx)array([1, 1, 1, 1, 1)这到底是怎么回事？
我们指定了axis=0，因此argmax将返回多维数组行上的最大值。
最大值是什么？如前所述，对于这个数组，它是'10'。
最大值在哪里？它在第二行的最后一列。
由于我们已经指定了我们想知道它在行中的位置（axis=0），对于数组中的每一列，Numpy 报告了最大值出现的行。回顾一下索引从 0 开始，我们可以看到，在这个数组的每一列中，最大值出现在索引为 1 的行，即第二行。查看我们的代码，值'10'的位置似乎argmax是正确的。
如果我们指定axis=1，你期望输出是什么？我将这留给读者作为练习。
在这篇文章中，我们了解了argmax是什么，为什么我们要使用它，并且介绍了几个使用 Numpy 的argmax函数的例子。
你现在应该知道argmax是如何工作的。
Matthew Mayo （@mattmayo13）是数据科学家以及 KDnuggets 的主编，KDnuggets 是一个开创性的在线数据科学和机器学习资源。他的兴趣包括自然语言处理、算法设计与优化、无监督学习、神经网络以及机器学习的自动化方法。Matthew 拥有计算机科学硕士学位和数据挖掘研究生文凭。他可以通过 editor1 at kdnuggets[dot]com 联系。