如何使用 keras 库训练 NLP 分类？

Question

这是我的训练数据，我想使用 keras 库用 X_data 预测“y”。我经常遇到错误，我知道它关于数据形状，但我被困了一段时间。希望大家帮忙。

X_data =
0     [construction, materials, labour, charges, con...
1     [catering, catering, lunch]
2     [passenger, transport, local, transport, passe...
3     [goods, transport, road, transport, goods, inl...
4     [rental, rental, aircrafts]
5     [supporting, transport, cargo, handling, agenc...
6     [postal, courier, postal, courier, local, deli...
7     [electricity, charges, reimbursement, electric...
8     [facility, management, facility, management, p...
9     [leasing, leasing, aircrafts]
10    [professional, technical, business, selling, s...
11    [telecommunications, broadcasting, information...
12    [support, personnel, search, contract, tempora...
13    [maintenance, repair, installation, maintenanc...
14    [manufacturing, physical, inputs, owned, other...
15    [accommodation, hotel, accommodation, hotel, i...
16    [leasing, rental, leasing, renting, motor, veh...
17    [real, estate, rental, leasing, involving, pro...
18    [rental, transport, vehicles, rental, road, ve...
19    [cleaning, sanitary, pad, vending, machine]
20    [royalty, transfer, use, ip, intellectual, pro...
21    [legal, accounting, legal, accounting, legal, ...
22    [veterinary, clinic, health, care, relation, a...
23    [human, health, social, care, inpatient, medic...
Name: Data, dtype: object

​这是我的训练预测器

y = 

0      1
1      1
2      1
3      1
4      1
5      1
6      1
7      1
8      1
9      1
10     1
11     1
12     1
13     1
14     1
15    10
16     2
17    10
18     2
19     2
20    10
21    10
22    10
23    10

我正在使用这个模型：

top_words = 5000
length= len(X_data)
embedding_vecor_length = 32
model = Sequential()
model.add(Embedding(embedding_vecor_length, top_words, input_length=length))
model.add(LSTM(100))
model.add(Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
print(model.summary())
model.fit(X_data, y, epochs=3, batch_size=32)

ValueError: Error when checking input: expected embedding_8_input to have shape (None, 24) but got array with shape (24, 1)

在这个模型中使用这些数据有什么问题？我想使用输入 X_data 预测“y”？

Answer 1

您需要将您的 pandas 数据帧转换为 numpy 数组，这些数组将是参差不齐的，因此您需要填充它们。您还需要设置一个词向量字典，因为您不能直接将词传递到神经网络中。一些示例是here、here 和here。您需要在这里进行自己的研究，您提供的数据样本无法做很多事情

length = len(X_data) 是你有多少个数据样本，keras 不关心这个，它想知道你有多少个单词作为输入，（每个单词都必须相同，这就是为什么 padding 是前面说过）

所以你对网络的输入就是你有多少列

#assuming you converted X_data correctly to numpy arrays and word vectors
model.add(Embedding(embedding_vecor_length, top_words, input_length=X_data.shape[1]))

您的分类值需要是二进制的。

from keras.utils import to_categorical

y = to_categorical(y)

您的最后一个密集层现在是 10，假设您有 10 个类别并且针对多类问题正确激活是 softmax

model.add(Dense(10, activation='softmax'))

你的损失现在必须是categorical_crossentropy，因为这是多类

model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])