Я пытаюсь запустить многоклассовую классификацию, используя следующую модель ИНС:
classifier = Sequential()
classifier.add(Dense(units = 9, kernel_initializer = 'uniform', activation = 'relu', input_dim = 18))
classifier.add(Dense(units = 9, kernel_initializer = 'uniform', activation = 'relu'))
classifier.add(Dense(units = 9, kernel_initializer = 'uniform', activation = 'relu'))
classifier.add(Dense(units = 6 ,kernel_initializer = 'uniform', activation = 'softmax'))
classifier.compile(optimizer = 'adam', loss = 'sparse_categorical_crossentropy', metrics = ['accuracy'])
classifier.fit(X_train, y_train, batch_size = 10, epochs = 100)
y_pred = classifier.predict(X_test)
где формат X_train:
[[31 8 27 ... 2 7 5]
[31 8 11 ... 1 9 3]
[6 0 4 ... 1 9 3]
...
[55 55 134 ... 5 5 6]
[41 9 111 ... 1 3 0]
[19 9 28 ... 3 0 0]]
а y_train это:
[[0. 0. 0. 1. 0. 0.]
[0. 0. 0. 0. 1. 0.]
[0. 0. 0. 0. 1. 0.]
...
[0. 0. 0. 0. 0. 1.]
[0. 0. 0. 0. 0. 1.]
[0. 0. 0. 0. 0. 1.]]
Форма X_train - (352, 18), форма y_train - (352, 6), форма X_test - (152, 18).
При запуске выдает следующую ошибку:
Traceback (most recent call last):
File "H:\p36564\Project ZS\tst1.py", line 110, in <module>
classifier.fit(X_train, y_train, batch_size = 10, epochs = 100)
File "H:\p36564\lib\site-packages\keras\engine\training.py", line 950, in fit
batch_size=batch_size)
File "H:\p36564\lib\site-packages\keras\engine\training.py", line 787, in _standardize_user_data
exception_prefix='target')
File "H:\p36564\lib\site-packages\keras\engine\training_utils.py", line 137, in standardize_input_data
str(data_shape))
ValueError: Error when checking target: expected dense_3 to have shape (1,) but got array with shape (6,)
В чем могут быть возможные причины этой ошибки? Любая помощь будет оценена.






С y_train в той форме, в которой вы его предоставляете, используйте categorical_crossentropy в качестве функции потерь вместо sparse_categorical_crossentropy. Ваш y_train кодируется быстро, а не редко. В вашем случае разреженной кодировкой будет массив, который выглядит следующим образом:
[3, 4, 4, ..., 5, 5, 5]
Чтобы попробовать это на себе, конвертируйте y_train в разреженную кодировку следующим образом:
y_train_ = np.argmax(y_train, axis=1)
Это будет работать с sparse_categorical_crossentropy как функция потерь (без изменения архитектуры модели!)