Question

我可以将“ categorical_crossentropy”用作损失函数，而不会出现错误，但是当我将其替换为“ mse”时，会出现以下错误：

检查目标时出错：预期密集_2的形状为（2，），但数组的形状为（1，）

如果我使用以下方法

labels = np_utils.to_categorical(labels, num_classes = 2)

另一个错误引发：

受支持的目标类型为：（“二进制”，“多类”）。取而代之的是“ multilabel-indicator”。

问题是如何在cross_val_score（）函数中使用“ mse”？

这是github link，这是麻烦的代码：

model = KerasClassifier(build_fn=customXceptionBuild, epochs=epochs, batch_size=batch_size)
kfold = StratifiedKFold(n_splits=folds, shuffle=True, random_state=random_state)

def classification_report_with_accuracy_score(y_true, y_pred):
    originalclass.extend(y_true)
    predictedclass.extend(y_pred)
    return accuracy_score(y_true, y_pred) # return accuracy score

scoring = make_scorer(classification_report_with_accuracy_score)

scores = cross_val_score(model, data, labels, cv=kfold, error_score="raise", scoring=scoring )

customXceptionBuild函数实现Xception预训练模型，并使用“ mse”作为损失函数。

Answer 1

第一个错误是关于输出大小不匹配的，改变这个

move_uploaded_file

到

F3 = Dense(classes, activation='softmax')(D2)

由于这是二进制分类，因此您只需要1个神经元。

或者，如果您想解决第二个错误，这就是原因。无法对一键编码标签进行分层。分层后可以进行一种热编码。因此，

F3 = Dense(1, activation='softmax')(D2)

应该在

之后

labels = np_utils.to_categorical(labels, num_classes = 2)

如何通过sklearn.model_selection.cross_val_score（）

1 个答案: