Keras：多类分类

Question

我正在遵循 here 和 here 中的示例，并且对 Keras 完全陌生。看起来很神奇 - 但我遇到了一些我不明白的事情。

我有一个 8 类分类问题。我的训练集有 5120 行和 62 列，最后一列是目标变量。

我的目标变量目前被编码为浮点数，因此我将它们转换为整数，然后使用 to_categorical 转换为模型的虚拟矩阵。结果是一个形状为 (num_samples, num_classes+1) 的 numpy.ndarray。有人知道为什么吗？

代码如下：

import numpy as np
from keras.utils.np_utils import to_categorical

dataset = np.loadtxt("train_pl.csv", delimiter=",")

# split into input (X) and output (Y) variables
X = dataset[:,0:61] #I have 5120 rows. 
Y = (dataset[:,62]).astype(int) #class labels 1 to 8 inclusive

#print Y.shape #(5120,)
#print np.unique(Y) #1 2 3 4 5 6 7 8 

y_binary = to_categorical(Y)

print y_binary.shape #(5120, 9) - why does this have 9 columns?

编辑

我不理解给出的答案的原因是我不明白 Keras 将类标签逐字解释为数字。例如，由于我的类被标记为 1 到 8，Keras 会查看标签“1”并说“这是一个 1 - 我将它放在 one-hot 向量中的“1”位置，如下所示：0 1 0 0 0 0 0 0 0。它与“2”相同：0 0 1 0 0 0 0 0 0，最多 8 个。这就是为什么有一个额外的列：处理“第 0”个情况，它没有t 存在于映射中。从技术上讲，公认的答案解释说，这只是提供了更多细节。

Answer 1

因为to_categorical 将类向量（整数从 0 转换为 nb_classes）为二进制类矩阵，以便与 here 中记录的 categorical_crossentropy 一起使用。