Question

我尝试使用nolearn构建神经网络，可以对多个类进行回归。

例如：

net = NeuralNet(layers=layers_s,
             input_shape=(None, 2048),
             l1_num_units=8000,
             l2_num_units=4000,
             l3_num_units=2000,
             l4_num_units=1000,
             d1_p = 0.25,
             d2_p = 0.25,
             d3_p = 0.25,
             d4_p = 0.1,
             output_num_units=noutput,
             output_nonlinearity=None,
             regression=True,
             objective_loss_function=lasagne.objectives.squared_error,
             update_learning_rate=theano.shared(float32(0.1)),
             update_momentum=theano.shared(float32(0.8)),
             on_epoch_finished=[
                    AdjustVariable('update_learning_rate', start=0.1, stop=0.001),
                    AdjustVariable('update_momentum', start=0.8, stop=0.999),
                    EarlyStopping(patience=200),
                                    ],
             verbose=1,
             max_epochs=1000)

noutput是我想要回归的类的数量，如果我将其设置为1则一切正常。当我使用26（这里的类数）作为output_num_unit时，我得到了一个Theano维度错误。（args到gemm的尺寸不匹配（128,1000）x（1000,26） - ＆gt;（128,1））

Y标签是连续变量，对应于一个类。我试图将Y标签重新整形为（行，类），但这意味着我必须给很多Y标签赋值0（因为该类的值是未知的）。如果不将y_labels设置为0，有没有办法做到这一点？

Answer 1

如果您想使用26个类进行多类（或多标记）回归，则输出的形状不能year，而是(1082,)。为了预处理输出，您可以使用sklearn.preprocessing.label_binarize 这会将您的1D输出转换为2D输出。

此外，您的输出非线性应该是softmax函数，因此输出的行总和为1.

nolearn中的多级回归？

1 个答案: