Question

使用csv进行的情感分析包含45k且带有两个cols [text，sentiment]，试图将sigmoid与binary_crossentropy一起使用，但它返回错误：

检查目标时出错：预期density_2具有形状（1，），但得到形状为（2，）的阵列

我尝试使用LabelEncoder，但是它的返回值，输入形状不好，我该如何让Sigmond 1密集的编码标签接受？

#I do aspire here to have balanced classes
num_of_categories = 45247
shuffled = data.reindex(np.random.permutation(data.index))
e = shuffled[shuffled['sentiment'] == 'POS'][:num_of_categories]
b = shuffled[shuffled['sentiment'] == 'NEG'][:num_of_categories]
concated = pd.concat([e,b], ignore_index=True)
for idx,row in data.iterrows():
    row[0] = row[0].replace('rt',' ')
#Shuffle the dataset
concated = concated.reindex(np.random.permutation(concated.index))
concated['LABEL'] = 0

#encode the lab
encoder = LabelEncoder()
concated.loc[concated['sentiment'] == 'POS', 'LABEL'] = 0
concated.loc[concated['sentiment'] == 'NEG', 'LABEL'] = 1
print(concated['LABEL'][:10])
labels = encoder.fit_transform(concated)
print(labels[:10])
if 'sentiment' in concated.keys():
    concated.drop(['sentiment'], axis=1)

n_most_common_words = 8000
max_len = 130
tokenizer = Tokenizer(num_words=n_most_common_words, filters='!"#$%&()*+,-./:;<=>?@[\]^_`{|}~', lower=True)
tokenizer.fit_on_texts(concated['text'].values)
sequences = tokenizer.texts_to_sequences(concated['text'].values)
word_index = tokenizer.word_index

Answer 1

LabelEncoder的输出也为1暗，我想您网络的输出为2暗。因此，您需要对y_true进行一次分析。

使用

labels = keras.utils.to_categorical(concated['LABEL'], num_classes=2)

代替

labels = encoder.fit_transform(concated)

在检查目标时：预期density_2具有形状（1，），但具有形状（2，）的数组

1 个答案: