如何使用 Keras 进行多类分类？答案

【问题标题】：How to do Multiclass classification with Keras?如何使用 Keras 进行多类分类？
【发布时间】：2021-02-17 16:52:51
【问题描述】：

我想用 Keras 制作简单的分类器，对我的数据进行分类。特征是数字数据，结果是字符串/分类数据。我预测 15 个不同的类别/类。这就是我的代码的样子：

model = Sequential()
model.add(Dense(16, input_dim = x_train.shape[1], activation = 'relu')) # input layer requires input_dim param
model.add(Dense(16, activation = 'relu'))
model.add(Dense(16, activation = 'relu'))
model.add(Dense(1, activation='relu'))

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

#es = EarlyStopping(monitor='loss', min_delta=0.005, patience=1, verbose=1, mode='auto')
model.fit(x_train, y_train, epochs = 100, shuffle = True, batch_size=128, verbose=2)

scores = model.evaluate(x_test, y_test)
print(model.metrics_names[0], model.metrics_names[1])

问题是我总是收到这个错误：

ValueError: could not convert string to float 'category1'

我做错了什么？

当我用整数替换我的类名“category1”、“category2”等时，我的代码可以工作，但它总是给我 0 的准确度。我尝试更改节点数和层数以及激活函数，但结果始终为 0。看起来模型认为我在做回归而不是分类。

如果我的分类值不只是 1 或 0，那么使用 Keras lib 进行分类的正确方法是什么？

【问题讨论】：

您没有正确的激活，对于二进制分类，您需要在输出层使用 sigmoid，而不是 ReLU。然后它会工作。
我试过了，但是。同样的错误

标签： python machine-learning keras neural-network

【解决方案1】：

您需要将字符串类别转换为整数，有一种方法：

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

另外，多类分类的最后一层应该是这样的：

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

最后，对于多类分类，正确的损失应该是分类交叉熵。

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

这是 tensorflow 提供的一个很好的示例：Classification Example

【讨论】：

谢谢！有没有办法提高准确性并减少 val_Loss？
您可以玩图层，添加更多神经元，增加或减少层数。如果您注意到训练时的准确度很好，但在测试集上显着下降，您可以添加一个 Dropout 层或研究正则化。这有助于使模型更加健壮。

【解决方案2】：

如果您有 15 个类别，由标签 0 到 14 表示，您可以设置最终的密集层，其中包含 15 个神经元和激活 sigmoid Dense(15, ...)。

此外，如果您不对数据进行 one-hot 编码，请将 sparse_categorical_crossentropy 设置为 loss 并将 sparse_categorical_accuracy 设置为 metric。

【讨论】：