使用卷积神经网络添加 SVM答案

【问题标题】：Add SVM with Convunational Neural Network使用卷积神经网络添加 SVM
【发布时间】：2018-01-25 09:53:10
【问题描述】：

我想用 CNN 提取特征，然后用 SVM 进行分类。因此，我建立一个模型并使用“铰链”损失。

这是我的模型：

model = Sequential()
model.add(Embedding(max_features, 128, input_length=maxlen))
model.add(Dropout(0.5))
model.add(Conv1D(filters,kernel_size,padding='valid',activation='relu',strides=1))
model.add(MaxPooling1D(pool_size=pool_size))
model.add(Dense(38, W_regularizer=l2(0.01)))
model.add(Activation('linear'))
model.compile(loss='hinge',optimizer='adadelta')

但是，我收到了这个错误。

错误：

ValueError：检查目标时出错：预期activation_1 有形状 (None, 38) 但得到了一个形状为 (129083, 1) 的数组

希望有人能帮我解决这个问题。

【问题讨论】：

你不应该使用categorical_hinge，因为你有 38 个班级吗？你不应该把你的目标（y）转换成一个one_hot_encoding（你可以从scikit learn使用OneHotEncoder）吗？
来自model.add(Dense(38, W_regularizer=l2(0.01)))，我们可以假设您有 38 个课程。所以，@MarcinMożejko 是正确的。使用分类铰链

标签： neural-network keras svm activation loss

【解决方案1】：

使用hinge_loss作为损失函数

model.compile(loss='hinge_loss',optimizer='adadelta')

【讨论】：