将熊猫数据框转换为 keras 的分类

Question

我正在尝试在 python 中预处理数据以用于深度学习 keras 函数。

我在模型拟合中使用categorical crossentropy 作为损失函数。它需要分类变量作为目标。

我的目标数据样本：

    y_train = y_train.astype('category')
    y_train.head()

            truth
        0   0
        1   0
        2   1
        3   0
        4   0

当我尝试将数据框列转换为分类时：

    num_classes=2
    y_train = keras.utils.to_categorical(y_train, num_classes)

它产生了一个错误：IndexError: index 1 is out of bounds for axis 1 with size 1。

如何正确转换数据？

顺便说一句，如果我有 3800 个观察样本，每个样本有 2300 个数字 (float32) 特征，那么哪些 keras 模型更适合二元分类（是，否）？这些特征主要描述图形对象。

Answer 1

很遗憾，我没能重现您的错误。 运行：

a=pd.DataFrame(np.concatenate([np.zeros(3),np.ones(3)]) ).astype('int').astype('category')
from keras.utils import to_categorical
to_categorical(a, 2)

我得到一个输出：

array([[1., 0.],
       [1., 0.],
       [1., 0.],
       [0., 1.],
       [0., 1.],
       [0., 1.]], dtype=float32)

可能是版本问题！

好消息是，对于二元分类问题，您不必使用categorical_crossentropy。您可以使用binary_crossentropy loss 并以您的 y_train 作为目标为您提供模型。

关于您上次询问哪种 keras 模型更适合二进制分类，Keras 预训练模型指的是图像。您似乎有表格数据，虽然您无法使用预训练模型，但您必须自己运行自定义模型。