machine-learning - Keras分类模型

Question

我需要帮助来构建用于分类的 keras 模型。 我有

输入:167个光谱点

输出 11 类研究物质。

但是在一个数据集中可以是具有多种物质的物质幽灵(例如包含2、3、4类)。 我尝试使用categorical_crossentropy，但它仅适用于非相交类。

KerasDoc :

Note: when using the categorical_crossentropy loss, your targets should be in categorical format (e.g. if you have 10 classes, the target for each sample should be a 10-dimensional vector that is all-zeros expect for a 1 at the index corresponding to the class of the sample). In order to convert integer targets into categorical targets, you can use the Keras utility to_categorical:

我的代码:

model = Sequential()
model.add(Dense(64, input_dim=167))
model.add(Dense(32))
model.add(Dense(11))
model.add(Activation('sigmoid'))
model.compile(loss='categorical_crossentropy', optimizer='rmsprop', metrics=['accuracy'])

我尝试了很多模型，但都没有得到好的结果。

Answer 1

您可能应该很好地使用 sigmoid 和 binary_crossentropy ( See here )

PS:这不是您的情况，但对于 categorial_crossentropy，您最好使用 softmax 激活。 softmax 输出经过优化以仅最大化一类的东西。

(如果有人想用一个好的或更好的“优化器”来补充这个答案，请随意)。