Question

我正在尝试使用ML5库在正在构建的React应用中进行分类。

我的浏览器出现以下错误 Error: You are passing a target array of shape 11342,1 while using a loss 'categorical_crossentropy'. 'categorical_crossentropy'expects targets to be binary matrices (1s and 0s) of shape [samples, classes].

在引发该错误的多个Github问题中，解释是That error indicates you have just 1 type of objects in your dataset. You must have 2 or more different object classes in your dataset.是链接here和here中的解释。

我不知道这意味着什么。我的数据中有6个输入和2个输出。我的输入看起来像这样

let inputs = {
  male: 1,
  female: 0,
  dob: 641710800000,
  // have more, but keeping it simple for this example...
}

我的输出将如下所示

let output = {
  job: 1 // or 0, if they have a job or not, for example. i.e., two possible outputs
}

但是，我仍然遇到错误。有人可以帮助我了解为什么以及如何解决此问题吗？

下面是我的代码：

people_arr = json.voters_arr;
keys = ["male", "female", "dob"];

let model_options = {
  inputs: keys,
  outputs: ["job"],
  task: "classification"
};

let model = ml5.neuralNetwork(model_options);


for (let person of people_arr) {
  let inputs = {
    male: person.male,
    female: person.female,
    dob: person.dob
  };

  let output = {};
  output.job = person.job; // either 0 or 1
  model.addData(inputs, output);
}

model.normalizeData();

let train_options = { epochs: 100 }
model.train(train_options, whileTraining); // <-- error happening here
.then(() => {
  console.log("pre classify");
  return model.classify(new_person_arr);
})
.then((err, results) => {
  if (err) { console.log("error") }

  else {
    let new_arr = results.splice(100);
    console.log("results : ", new_arr);
    setValues({...values, results: new_arr })
  }
})
.catch((err) => { console.log("err : ", err) });

Answer 1

Categorical cross-entropy期望一个热向量作为标签，而不是单个数字。例如，假设有三个人：Michael，Jim和Dwight。 Michael和Jim有工作，Dwight没有工作。假设没有工作将您置于类别0中，而拥有一份工作将您置于类别1中。在这种情况下，标签将如下所示：

[[0,1],    # Michael's label
 [0,1],    # Jim's label
 [1,0]]    # Dwight's label

Michael和Jim属于类别1，因此它们在索引1处有1，在所有其他索引处都有0 。 Dwight在类别0中，因此他在索引1处有0，在所有其他索引处都有0。

如果要使用单个数字作为标签（即0或1），则应改用sparse categorical cross-entropy。 Sparse categorical cross-entropy将整数作为每个样本的标签，并假定存在从0到它看到的最高值整数的类别。因此，它将与您已有的设备完美配合。

ML5：错误：您正在使用损耗'categorical_crossentropy'时传递形状为11342,1的目标数组。 'categorical_crossentropy'预期目标

1 个答案: