Question

我正在尝试对不同的ECG信号进行分类。我正在使用Keras的Conv1D，但收效不佳。我尝试更改层数，窗口大小等，但是每次运行此命令时，我都会得到同一类的所有预测（这些类为0,1,2，所以我得到的预测输出类似于[1， 1,1,1,1,1,1,1,1,1,1,1,1,1]，但每次运行脚本时类都会更改）。 ECG信号以1000点的numpy数组表示。

在这里我做错了什么明显的事情吗？我当时认为使用几层将其分类为3种不同的ECG信号会很好。

#arrange and randomize data
y1=[[0]]*len(lead1)
y2=[[1]]*len(lead2)
y3=[[2]]*len(lead3)
y=np.concatenate((y1,y2,y3))
data=np.concatenate((lead1,lead2,lead3))
data = keras.utils.normalize(data)
data=np.concatenate((data,y),axis=1)
data=np.random.permutation((data))
print(data)

#separate data and create categories
Xtrain=data[0:130,0:-1]
Xtrain=np.reshape(Xtrain,(len(Xtrain),1000,1))
Xpred=data[130:,0:-1]
Xpred=np.reshape(Xpred,(len(Xpred),1000,1))
Ytrain=data[0:130,-1]
Yt=to_categorical(Ytrain)
Ypred=data[130:,-1]
Yp=to_categorical(Ypred)

#create CNN model
model = Sequential()
model.add(Conv1D(20,20,activation='relu',input_shape=(1000,1)))
model.add(MaxPooling1D(3))
model.add(Conv1D(20,10,activation='relu'))
model.add(MaxPooling1D(3))
model.add(Conv1D(20,10,activation='relu'))
model.add(GlobalAveragePooling1D())
model.add(Dense(3,activation='relu',use_bias=False))
model.compile(optimizer='adam', loss='categorical_crossentropy',metrics=['accuracy'])
model.fit(Xtrain,Yt)

#test model
print(model.evaluate(Xpred,Yp))
print(model.predict_classes(Xpred,verbose=1))

Answer 1

在这里我做错了什么明显的事情吗？

实际上是这样：您报告的输出并不奇怪，因为您当前正在使用ReLU作为最后一层的激活，这没有任何意义。

在多类设置（例如您的设置）中，最后一层的激活必须是softmax，而不是ReLU。将最后一层更改为：

model.add(Dense(3, activation='softmax'))

不太确定为什么要要求use_bias=False，但是可以尝试使用它，也可以不使用它，然后进行实验...

心电图信号上的Keras Conv1D

1 个答案: