使用 python 和 keras

如何解决使用 python 和 keras

我正在尝试使用神经元网络进行分类。

我的数据如下所示：

句子	类别
第 1 句	0
第二句	1
第三句	2
第四句	3

因此我有 4 个不同的类别。我将句子和标签分成 2 个不同的列表，并将第一个列表（带有句子）放入分词器中。

编辑：因为有人询问了数据样本。这是 DropBox (data_samples.txt) 的链接和更多说明。 0 = 不需要，1 = 标题，2 = 作者姓名，3 = 页数。句子是 |从标签分开。由于词形还原，有很多特殊字符（如 -->,"），但分词器会跳过这些字符。内容来自不同的网站，我只在学习的情况下使用它（不是为了钱或出于恶意）

y_train = array(labels) # it has to be numpy array otherwise it will cause errors,labels is a list of integers
x_train = tokenizer.texts_to_sequences(newLines) # newLines is a list with all sentences
x_train = pad_sequences(x_train,maxlen=sequenceLength)
vocabSize = len(tokenizer.word_index) + 1

现在我将训练我的模型

mymodel = Sequential()
mymodel.add(Embedding(input_dim=vocabSize,output_dim=100,input_length=sequenceLength))
mymodel.add(Conv1D(32,3,padding='same',activation='relu'))
mymodel.add(MaxPooling1D())
mymodel.add(Flatten())
mymodel.add(Dense(250,activation='relu'))
mymodel.add(Dense(4,activation='softmax'))
mymodel.compile(optimizer="adam",loss="categorical_crossentropy",metrics=["accuracy"])
history = mymodel.fit(x_train,y_train,epochs=30,batch_size=8)

但是如果我启动程序，我会收到以下错误：

ValueError：形状（无，1）和（无，4）不兼容

我知道这是因为最后一个 Dense Layer。如果我写 1 而不是 4，我不会收到错误消息。但我认为最后一个密集层需要一个 4 作为参数，因为我有 4 个类别。我认为最后一个用 1 而不是 4 的密集层是不正确的，因为损失是 0.0000e+00。那看起来不正确xD

我做错了什么？

解决方法

用“sparse_categorical_crossentropy”替换 loss="categorical_crossentropy"。

模型为每个类产生一个值； sparse_ loss 知道如何将 [0-3] 范围内的单个值与这 4 个分值进行比较。