我正在尝试将多输入混合输入（txt，图像）keras模型从回归输出（房价）转换为分类输出（卧室数量）。特别是，我正在更改本教程
https://www.pyimagesearch.com/2019/02/04/keras-multiple-inputs-and-mixed-data/
成为分类器。关于类别的数量，我有几个技术问题，并且还会出现一个我不完全理解的错误。
我将网络的最后一层更改为softmax：
x = Dense(11, activation="softmax")(x)
但是我只有10个类别（数据集涵盖具有1-10个卧室的房屋）。但是使用Dense（10，...），我得到以下错误：
InvalidArgumentError：接收到的标签值10在有效范围[0，10）之外。标签值：3 2 5 2 10 3 2 5
我理解该错误以及如何避免该错误，但是为什么[0,10）范围不够大，因为我没有0房的房子？
当我尝试获取分类报告时，会收到两个警告：
UserWarning：标签大小为6，与target_names大小为10不匹配 UndefinedMetricWarning：精度和F分数定义不正确， 在没有预测样本的标签中将其设置为0.0。
我认为这些可能是因为我的分类报告仅包含1-6间卧室的房屋。但不确定-您能提供的任何见解都会受到赞赏。
我的代码和数据集可以从这里克隆： https://github.com/davidrtfraser/blog-keras-multi-input
答案 0 :(得分：1)
通常在机器学习中，将N个类的标签编码为0到N-1范围内的整数，因为这直接从类索引映射，因此您可以使用argmax从模型输出中恢复它们。
因此，您需要以相同的方式对标签进行编码，最简单的方法是通过从每个标签中减去一个来将[1, 10]标签减去到[0, 9]，并从模型输出，则在输出标签上添加一个。