Question

假设我有一些输入输出，如下所示：

title = []
for text in texts:
    temp=[]
    for texData in text.find_all('h1', attrs = {'class': 'entry-title'}):
        temp.append(texData.get_text())
    title.append(temp)

输入始终为 0或1 ，而输出始终为 1或2或3

我该如何在keras中创建适合这些输入输出的神经网络？

input1  : [0 1 1 1 0 ... 1]
output1 : [1 2 2 3 ... 3 3 1 2 2]
...

我尝试将输出标准化为 0 0.5 1 ，但这没有帮助。

我尝试了各种损失函数

我尝试定义自定义损失函数

我尝试了许多网络体系结构

在大多数情况下，其acc约为0.09

从理论上讲，它只不过是二进制集，应该不难，但我找不到正确的方法

Answer 1

对于最后一个分类层，应对其进行softmax激活。此激活用于分类。不过，可能需要您对输出进行热编码。

Answer 2

回答我自己的问题：似乎有两种方法可以解决该问题：

1-丑陋的方法：

每个数字使用两个输出，因此 1 将变为 01 ， 2 变为 10 和< strong> 3 变为 11 ，对于 00 ，您可以将其用于以上任何一项，甚至可以计算精度

2-不太丑陋的方法：

每个输出使用三个热编码，因此 1 变为 001 ， 2 变为 010 ， 3 变为 100

您还可以使用2D [x] [3] 输入，以便获得2D输出 [y] [3] ，但这似乎没有必要

如何在Keras中实现多类多标签分类

2 个答案: