用于三元分类的Keras损失函数是什么?

时间:2018-11-01 14:57:10

标签: python tensorflow keras categorical-data loss-function

我的LSTM输入样本由[-1,1]范围内的实数组成,目标(类别)为-1、0和1。

我为损失函数选择了sparse_categorical_crossentropy,但是它似乎不支持负数-当我说“ InvalidArgumentError:收到的标签值为-1时,该值超出[0,1)的有效范围”开始训练。

该任务我应该使用什么损失函数?

我也无法理解为什么它说[0,1)表示等于或大于零但小于1 AFAIK的数字,但是关于sparse_categorical_crossentropy的what I've read表示它支持任何整数。 / p>

1 个答案:

答案 0 :(得分:1)

您的目标必须是从0num_classes - 1的整数,在您进行分类时,它们不能为负数。这是多类别分类的一种标准,您必须遵循。

还要确保最后一层输出的3个数字带有softmax激活,这将表示类的分布。