Question

我正在尝试解决一个简单的多类分类问题。但是不知何故我遇到了这个错误。当我使用单层并带有2个神经元时，该程序可以工作，但结果不好，但这没有意义，因为它是一个多类问题，因此输出层在输出处应该有4个神经元。之后，它不起作用。我认为我在这里犯了一个非常愚蠢的错误。下面是我的代码。

grades = {"A": 0.9, "B": 0.8, "C": 0.7, "D": 0.6, "E": 0.5}

def convert_grade(scr):
    for ltrgrd, numgrd in grades.items():
        if scr >= numgrd:
            return ltrgrd
    return "F"

错误：

import keras
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Dropout, Activation
from tensorflow.keras.optimizers import Adam

# Generate dummy data
import numpy as np
x_train = np.array([[1, 1],
                   [1, 2],
                   [2, 2],
                   [-1,0],
                   [-1,-2],
                   [2, 1],
                   [-1,-2],
                   [-1,-2]])
print(x_train.shape)
y_train = np.array([[0,0],
                    [0,0],
                    [0,1],
                    [0,1],
                    [1,0],
                    [1,0],
                    [1,1],
                    [1,1]])

# from keras.utils.np_utils import to_categorical
# y_train = to_categorical(y_train)
print(y_train.shape)

model = Sequential()
model.add(Dense(8, activation='relu', input_dim=2))
# model.add(Dropout(0.5))
# model.add(Dense(4, activation='relu'))
model.add(Dense(4, activation='softmax'))
# model.add(Dropout(0.5))
adm = Adam(lr=0.001)
# sgd = SGD(lr=0.001)
model.compile(loss='categorical_crossentropy',
              optimizer=adm,
              metrics=['accuracy'])

model.fit(x_train, y_train,  epochs=20,  batch_size=1)
score = model.evaluate(x_train, y_train, batch_size=1)

Answer 1

我解决了这个错误。原因是我的标签，即y_train的形状不合适导致问题。在这里，班级数是4，我的训练数据以这种格式标记[0,0,1,1,2,2,3,3]。在上面的问题陈述中，我以分类格式表示标签的方式是完全错误的。因此，为了正确编码数据，我使用了keras.utils.to_categorical（y）**将标签转换为一键编码，从而有效地解决了形状错误。

y_train = keras.utils.to_categorical(y)

此后形状变为：

(8, 4)

因此，每当存在多类问题时，将标签编码为一键编码类型时标签的形状应为

(size_of_data, num_classes).

我现在学习了在处理多类问题时如何正确编码数据，以及如果出现此类错误应在哪里寻找解决问题的方法。

ValueError：形状（1、2）和（1、4）不兼容

1 个答案: