我正在利用Keras 2+8功能API同时解决分类和回归问题。 我不知道如何从分类输出中分配标签,因为我得到了概率。 函数式API没有预测类。我欢迎提出建议
def run (X_train):
_input = keras.layers.Input(shape=(1024,))
hidden1=Dense(500, activation = 'elu')(_input)
hidden2=Dense(300, activation = 'elu')(hidden1)
classification = keras.layers.Dense(1, activation="sigmoid", name="classification")(hidden2)
regression = keras.layers.Dense(1, activation="linear", name="regression")(hidden2)
multi_model = keras.Model(inputs=[_input], outputs=[classification, regression])
multi_model.compile(loss={'classification': 'binary_crossentropy','regression': 'mse'},
optimizer='Nadam',
metrics={'classification':'AUC', 'regression': 'mse'})
multi_model.fit([X_train, X_train],
[y_train_C, y_train_R],
validation_split=0.2,
callbacks=callbacks,
batch_size=128,
epochs=500,
verbose=0)
return multi_model
这是我用经过训练的模型预测的结果:
prediction = fcfp4.predict([X_test,X_test])
我尝试过使用argmax,但它只提供了0个值(应该是0或1)。 根据评估,我应该得到非常好的分类预测:
fcfp4.evaluate([X_test,X_test], [y_test_C, y_test_R])
1/1 [==============================] - 0s 998us/step - loss: 2.0826 - classification_loss: 0.0845 - regression_loss: 1.9981 - classification_auc_55: 1.0000 - regression_mean_squared_error: 1.9981
我期待这样的阵列:
array([0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 0, 1, 0, 1, 0])
但只得到0分
为了从SigMID获得预测,如果PRED大于0.5,则必须考虑为1类,否则为0。这里是完整的例子
相关问题 更多 >
编程相关推荐