python - 如何使用keras评估多类分类的结果?
问题描述
我想将深度学习用于多类分类(softmax、keras)。所以,我构建了模型,我得到了错误,这是关于预期输出形状和实际输出形状不同的问题。在我的例子中,类型是 1,2,3,所以预期的形状是 3(3 类),但实际的形状是 4。这个错误解决了,当改变 1,2,3 到 0,1,2 或设置预期的形状到4。后者意味着将3类分类更改为4类分类。为什么这段代码正在运行?在这种情况下,什么是预测概率?我如何评估这些结果?
这是示例代码。
from sklearn import datasets
iris = datasets.load_iris()
# X -> features, y -> label
X = iris.data
y = iris.target
mini_dict = {0: 'a', 1: 'b', 2: 'c'}
y = pd.Series(y, name=None).replace(mini_dict)
mini_dict = {'a': 3, 'b': 1, 'c': 2}
y = pd.Series(y, name=None).replace(mini_dict)
def multiclass_model():
model = Sequential()
model.add(Dense(10,input_dim=4))
model.add(Dropout(0.1))
model.add(Dense(3,activation='softmax')) #this is expected shape
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy','categorical_accuracy'])
return (model)
model=KerasClassifier(build_fn=multiclass_model, epochs=20, batch_size=3, verbose=0)
model.fit(X,y.values)
并得到这个错误。
Error when checking model target: expected dense_94 to have shape (None, 3) but got array with shape (150, 4)
然后重新定义 multiclass_model
def multiclass_model():
model = Sequential()
model.add(Dense(10,input_dim=4))
model.add(Dropout(0.1))
model.add(Dense(4,activation='softmax')) #change 3 to 4
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy','categorical_accuracy'])
return (model)
model=KerasClassifier(build_fn=multiclass_model, epochs=20, batch_size=3, verbose=0)
model.fit(X,y.values)
没有错误,我可以得到预测值。
model.predict_proba(X[0:5])
array([[2.52738446e-05, 2.23150160e-02, 3.87168024e-04, 9.77272570e-01],
[5.91093449e-05, 4.23159041e-02, 1.24582055e-03, 9.56379175e-01],
[5.94217017e-05, 3.10160406e-02, 7.65587494e-04, 9.68158960e-01],
[1.07116306e-04, 4.50214930e-02, 1.48290978e-03, 9.53388453e-01],
[2.73615278e-05, 2.02178583e-02, 3.34151875e-04, 9.79420602e-01]],
dtype=float32)
y.values[:5]
array([3, 3, 3, 3, 3])
我不知道这些值的可靠性。
检查班级人数
np.unique(y.values)
array([1, 2, 3])
解决方案
当您想要进行多类分类时,您需要对one-hot encoding
标签向量进行 a。由于您的y.values
输出,我假设您y
看起来像这样[1,2,3,2...]
。然而,TensorflowsKerasClassifier
会处理这个问题,这可以在源代码中看到。(来源)所以你的标签会变成这样的东西[[0],[1],[2],[1],...]
。在下一步中,这些标签将被one-hot
编码,这也可以在源代码中看到。(来源)现在你的标签看起来像这样[[1,0,0],[0,1,0],[0,0,1],[0,1,0]]
。
因此,根据我的理解,如果您在输出层中仅使用 3 个类而不是 4 个类,那么一切都应该正常工作。
因此,再次检查您的标签数据y
,例如np.unique(y.values)
。我的猜测是您不小心创建了一个包含[0,1,2,3]
.
推荐阅读
- java - How to packing and prepare EJB module using multiple jar files?
- python - 通过格式字符串用 pandas 读取 dat 文件
- node.js - Selenium-WebDriver UnhandeledPromiseRejectionWarning 错误
- python - 将日期序列分配给 pandas groupby 组
- reactjs - 无法在反应中加载背景图像
- ios - 等待线程Objective C中的值更改
- java - 切点中的 AspectJ 形式化未绑定
- reactjs - 元素类型无效:应为字符串(用于内置组件)或类/函数(用于复合组件)但得到:符号
- vue.js - TinyMCE 中带有指令的扩展有效元素
- python - Django makemessages “struct.error: unpack 需要 4 个字节的缓冲区”