Question

我想用Keras神经网络做出预测。我的输出数据具有3个不同的值-1,0,1。当我运行我的NN时，出现错误：

ValueError: Error when checking target: expected dense_35 to have shape (3,) but got array with shape (1,)

然后我尝试做：

from tensorflow.python.keras.utils import to_categorical
results = to_categorical(results)

但我再次遇到相同的错误：

ValueError: Error when checking target: expected dense_35 to have shape (3,) but got array with shape (2,)

我在做什么错？这是我的代码：

features = df.iloc[:,-8:]
results = df.iloc[:,-9]

x_train, x_test, y_train, y_test = train_test_split(features, results, test_size=0.3, random_state=42)


model = Sequential()
model.add(Dense(64, input_dim = x_train.shape[1], activation = 'relu')) # input layer requires input_dim param
model.add(Dense(32, activation = 'relu'))
model.add(Dense(16, activation = 'relu'))
model.add(Dense(3, activation = 'softmax'))

model.compile(loss="categorical_crossentropy", optimizer= "adam", metrics=['accuracy'])

# call the function to fit to the data training the network)
es = EarlyStopping(monitor='val_loss', min_delta=0.001, patience=0, verbose=1, mode='auto')
model.fit(x_train, y_train, epochs = 10, shuffle = True, batch_size=128, validation_data=(x_test, y_test), verbose=2, callbacks=[es])

Answer 1

results = df.iloc[:,-9]您要选择一维输出（形状：（行，1）），但是最后一层具有3个单位model.add(Dense(3, activation = 'softmax'))。

因此，您的结果必须具有以下形状：（第3行）而不是（第1行）。

我看到您的结果具有值-1、0、1。只需加一个使其为0、1、2。这就是为什么to_categorical出错的原因；根据{{3}}，

y ：要转换为矩阵的类向量（整数从0到num_classes个）。

所以去

results = results + 1

然后，应用to_categorical。

之后，fit应该可以正常工作。

运行Keras神经网络时结果形状出现问题

1 个答案: