python - 什么 Keras 损失函数用于三元分类？

Question

我的 LSTM 输入样本由 [-1, 1] 范围内的实数组成，目标（类别）是 -1、0 和 1。

我为损失函数选择了 sparse_categorical_crossentropy，但它似乎不支持负数 - 当我开始训练时，它显示“InvalidArgumentError：收到的标签值 -1 超出 [0, 1) 的有效范围”。

我应该用什么损失函数代替这个任务？

我也不明白为什么它说 [0, 1) 这意味着一个等于或大于零但小于 1 的数字 AFAIK 但我读过的关于 sparse_categorical_crossentropy 的内容说它是为了支持任何整数。

标签： pythontensorflowkerascategorical-dataloss-function

Answer 1

您的目标必须是从0to的整数num_classes - 1，它们不能是负数，因为您正在进行分类。这是多类分类的一种标准，你必须遵循它。

还要确保你的最后一层输出 3 个带有 softmax 激活的数字，这将代表类的分布。