神經網絡模型

Question

我有6列和100行的樣本數據（所有值都是整數）。 輸入數據被分類為20個類。 這是我嘗試構建的模型：

model = Sequential()
model.add(Dense(50,input_shape=X.shape[1:],activation='relu'))

model.add(Dense(20,activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='rmsprop', 
              metrics=['accuracy'])
model.summary()
model.fit(X, Y, epochs=1000, verbose=0)
predictions=model.predict(test_data)

但是，我收到一個錯誤：

Error when checking target: expected dense_2 to have shape (20,) but got array with shape (1,)

我有兩個問題：

1. 我究竟做錯了什么？
2. 你能給我一個合適的架構嗎？

Answer 1

您需要使用to_categorical （ docs ）將Y轉換為二進制類矩陣。

import sklearn.datasets
X,Y = sklearn.datasets.make_classification(n_samples=100, n_features=6, n_redundant=0,n_informative=6, n_classes=20)

import numpy as np
from keras import Sequential
from keras.layers import Dense
from keras.utils import to_categorical
from keras import backend as K
K.clear_session()

model = Sequential()
model.add(Dense(50,input_dim=X.shape[1],activation='softmax'))
model.add(Dense(20,activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='rmsprop', 
              metrics=['accuracy'])
model.summary()
model.fit(X, to_categorical(Y), epochs=1000, verbose=1) # <---

你也可以使用sklearn 。