使用 LSTM 進行文本分類時，分類報告效果不佳 model

Question

嘗試使用 LSTM 獲得關於文本數據和 label 的分類報告，該報告指出沒有 1，這是不正確的，因為 label 由 0 和 1 組成。

這是報告結果：

nd 這是我為此目的所做的代碼：

 X_train, X_test, Y_train, Y_test = train_test_split(X,Y, test_size = 0.20) #lstm model model = Sequential() model.add(Embedding(MAX_NB_WORDS, EMBEDDING_DIM, input_length=X.shape[1])) model.add(SpatialDropout1D(0.2)) model.add(LSTM(100, dropout=0.2, recurrent_dropout=0.2)) model.add(Dense(4, activation='softmax')) model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy']) print(model.summary()) history = model.fit(X_train, Y_train, epochs=epochs, batch_size=batch_size,validation_split=0.1,callbacks=[EarlyStopping(monitor='val_loss', patience=3, min_delta=0.0001)]) Y_pred=model.predict(X_test) print(classification_report(Y_test.argmax(axis=1), Y_pred.argmax(axis=1)))

Answer 1

這是對報告的解釋錯誤：

• 該報告確實說有 1為真 label的實例，您可以從顯示 164883 個實例（超過一半）的“支持”列中看到這一點。
• 然而，對於 class 1，性能到處都是零：這意味着分類器永遠不會預測 class 。 這顯然是一個完全錯誤的跡象。

注意：文本分類任務很少是平衡的。 如果涉及任何重采樣，則對重采樣數據進行評估將是錯誤的。