machine-learning - 心电图信号上的 Keras Conv1D
问题描述
我正在尝试对不同的心电图信号进行分类。我正在使用 Keras 的 Conv1D,但没有得到任何好的结果。我尝试更改层数、窗口大小等,但每次运行时,我都会得到相同类的所有预测(类是 0、1、2,所以我得到的预测输出类似于 [1, 1,1,1,1,1,1,1,1,1,1,1,1,1],但每次运行脚本时类都会更改)。ECG 信号位于 1000 点 numpy 数组中。
我在这里做错了什么明显的事情吗?我认为使用几层来分类为 3 个不同的 ECG 信号会很好。
#arrange and randomize data
y1=[[0]]*len(lead1)
y2=[[1]]*len(lead2)
y3=[[2]]*len(lead3)
y=np.concatenate((y1,y2,y3))
data=np.concatenate((lead1,lead2,lead3))
data = keras.utils.normalize(data)
data=np.concatenate((data,y),axis=1)
data=np.random.permutation((data))
print(data)
#separate data and create categories
Xtrain=data[0:130,0:-1]
Xtrain=np.reshape(Xtrain,(len(Xtrain),1000,1))
Xpred=data[130:,0:-1]
Xpred=np.reshape(Xpred,(len(Xpred),1000,1))
Ytrain=data[0:130,-1]
Yt=to_categorical(Ytrain)
Ypred=data[130:,-1]
Yp=to_categorical(Ypred)
#create CNN model
model = Sequential()
model.add(Conv1D(20,20,activation='relu',input_shape=(1000,1)))
model.add(MaxPooling1D(3))
model.add(Conv1D(20,10,activation='relu'))
model.add(MaxPooling1D(3))
model.add(Conv1D(20,10,activation='relu'))
model.add(GlobalAveragePooling1D())
model.add(Dense(3,activation='relu',use_bias=False))
model.compile(optimizer='adam', loss='categorical_crossentropy',metrics=['accuracy'])
model.fit(Xtrain,Yt)
#test model
print(model.evaluate(Xpred,Yp))
print(model.predict_classes(Xpred,verbose=1))
解决方案
我在这里做错了什么明显的事情吗?
确实有:您报告的输出并不令人惊讶,因为您当前正在使用 ReLU 作为最后一层的激活,这没有任何意义。
在多类设置中,比如你的,最后一层的激活必须是 softmax,当然不是 ReLU;将最后一层更改为:
model.add(Dense(3, activation='softmax'))
不太清楚你为什么要求use_bias=False
,但你可以尝试有和没有它并进行实验......
推荐阅读
- r - R中计算平稳分布的源代码
- python - 如何返回相关记录的排序列表?
- c# - 在 .Net 中使用 Linq 解析没有根元素的 xml 元素
- unit-testing - PERL5LIB、@INC 和库优先级进行测试
- laravel - 当我使用 laravel tinker 会话来摆弄 Observer 类中的模型时,有没有办法捕捉到?
- powershell - Powershell 使用参数调用 ironpython 函数
- javascript - 如何使用 Angular 材质选项卡制作自定义选项卡?
- selenium - 如何配置 TestNG testng.xml 以确保一个组在所有其他组的末尾运行?
- phaser-framework - Phaser3 检查预加载是否已运行
- mysql - 如何从 MySQL 中删除数据库中所有表的所有行?