使用 keras 进行多类分类

Question

我正在开发一个神经网络，以便使用预先用 k-means 计算的类进行分类。

数据集看起来像：

50,12500,2,1,5
50,8500,2,1,15
50,6000,2,1,9
50,8500,2,1,15

结果行是最后一行。 这是我正在尝试使用 Keras 的 Python 代码：

import numpy
import pandas
from keras.models import Sequential
from keras.layers import Dense,Dropout
from keras.wrappers.scikit_learn import KerasClassifier
from keras.utils import np_utils
from sklearn.model_selection import cross_val_score
from sklearn.model_selection import KFold
from sklearn.preprocessing import LabelEncoder
from sklearn.pipeline import Pipeline

# fix random seed for reproducibility
seed = 7
numpy.random.seed(seed)

# load dataset
dataset = numpy.genfromtxt ('../r-calculations/k-means/output16.csv', delimiter=",")
X = dataset[:,0:4].astype(float)
Y = dataset[:,4]
print(Y[0])
Y = np_utils.to_categorical(Y)

model = Sequential()
model.add(Dense(5, activation='tanh', input_dim=4))
#model.add(Dropout(0.25))
model.add(Dense(10, activation='tanh'))
#model.add(Dropout(0.25))
model.add(Dense(10, activation='relu'))
#model.add(Dropout(0.25))
model.add(Dense(17, activation='softmax'))

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

model.fit(X,Y, epochs=10, batch_size=10)
#print( model.predict(numpy.array([2,36,2,5,2384,1,2,4,3,1,1,4,33,3,1,1,2,1,1,1]).reshape((1,20))) )
#print( model.predict(numpy.array(X[0]).reshape((1,4))) )
#print( model.predict(numpy.array(X[1]).reshape((1,4))) )
#print( model.predict(numpy.array(X[2]).reshape((1,4))) )
result = model.predict(numpy.array(X[0]).reshape((1,4)))
for res in result[0]:
    print res

如果我做对了，现在我得到每个类的概率作为输出。调用“to_categorical”后如何取回标签？

有没有办法获取班级编号，而不是每个班级的概率？

目前它似乎无法正常工作，损失大~2，准确度~0.29，我无法使其收敛。我做错了什么？

3 月 19 日更新 到目前为止我已经解决了我的问题，我改变了我的模型很多次，终于找到了工作配置。

Answer 1

如果你想要类而不是概率，你可以在你的预测中调用 numpy argmax。

或者使用方便的调用 predict_classes 而不是 predict

result = model.predict_classes(numpy.array(X[0]).reshape((1,4)))

至于你的结果，你可以尝试多运行几个 epoch，但很难说哪里出了问题。可能是您的训练数据质量、初始化错误、数据不足、模型错误（我只会使用 relu 激活）。