我刚刚开始在我正在进行的项目中使用tensorflow。该程序旨在成为一个输入为 12 个特征的二元分类器。输出是正常患者或患有疾病的患者。这种疾病的患病率相当低，因此我的数据集非常不平衡，有 502 个正常对照样本，只有 38 个患病患者。因此，我尝试使用 tf.nn.weighted_cross_entropy_with_logits 作为我的成本函数。
该代码基于官方tensorflow文档中的iris自定义估计器，并使用tf.losses.sparse_softmax_cross_entropy作为成本函数。但是，当我更改为 weighted_cross_entropy_with_logits 时，出现形状错误，并且我不知道如何解决此问题。
ValueError: logits and targets must have the same shape ((?, 2) vs (?,))
我已经搜索过，类似的问题已经通过重新调整标签来解决 - 我尝试这样做但没有成功(并且不明白为什么tf.losses.sparse_softmax_cross_entropy工作正常并且加权版本才不是)。
我的完整代码在这里 https://gist.github.com/revacious/83142573700c17b8d26a4a1b84b0dff7
谢谢!
最佳答案
使用非稀疏交叉熵函数，您需要对标签进行 one-hot 编码，以便它们与您的 logits 具有相同的形状:
loss = tf.nn.weighted_cross_entropy_with_logits(tf.one_hot(labels, 2), logits, pos_weight)
注意tf.losses.sparse_softmax_cross_entropy还允许一个权重参数，尽管它的含义略有不同(它只是一个样本权重)。等效的公式应该是:
loss = tf.losses.sparse_softmax_cross_entropy(labels, logits,
weights=pos_weight * labels + (1 - labels))
关于python - Tensorflow - tf.nn.weighted_cross_entropy_with_logits - logits 和目标必须具有相同的形状，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/55168906/