Keras：多类分类

Question

我跟随这里和这里的例子，对Keras来说是全新的。 它看起来很神奇 - 但我遇到了一些我不理解的东西。

我有一个8级分类问题。 我的训练集有5120行和62列，最后一列是目标变量。

我的目标变量当前被编码为浮点数，因此我将它们转换为整数，然后使用to_categorical将其转换为模型的虚拟矩阵。 结果是numpy.ndarray的形状（num_samples，num_classes + 1）。 谁知道为什么？

这是代码：

import numpy as np
from keras.utils.np_utils import to_categorical

dataset = np.loadtxt("train_pl.csv", delimiter=",")

# split into input (X) and output (Y) variables
X = dataset[:,0:61] #I have 5120 rows. 
Y = (dataset[:,62]).astype(int) #class labels 1 to 8 inclusive

#print Y.shape #(5120,)
#print np.unique(Y) #1 2 3 4 5 6 7 8 

y_binary = to_categorical(Y)

print y_binary.shape #(5120, 9) - why does this have 9 columns?

编辑

我不明白给出答案的原因是我不明白Keras实际上将类标签解释为数字。 例如，因为我的类被标记为1到8，所以Keras看标签'1'并且说'那是1 - 我将它放在单热矢量中的'1'位置，如下所示：0 1 0 0 0 0 0 0 0.它与'2'相同：0 0 1 0 0 0 0 0 0，最多8个。这就是为什么有一个额外的列：处理'0'的情况，这不是' t存在于映射中。 从技术上讲，接受的答案解释说，这只是提供了更多细节。

Answer 1

因为to_categorical将类向量（ 从0到nb_classes的整数）转换为二进制类矩阵，用于此处记录的categorical_crossentropy。