#python #tensorflow #keras #lstm #sentiment-analysis
#питон #тензорный поток #keras #lstm #анализ настроений #python
Вопрос:
Я создаю модель LSTM на основе следующих параметров
embed_dim = 128
lstm_out = 200
batch_size = 32
model = Sequential()
model.add(Embedding(2500, embed_dim,input_length = X.shape[1]))
model.add(Dropout(0.2))
model.add(LSTM(lstm_out))
model.add(Dense(2,activation='sigmoid'))
model.compile(loss = 'categorical_crossentropy', optimizer='adam',metrics = ['accuracy'])
print(model.summary())
Xtrain, Xtest, ytrain, ytest = train_test_split(X, train['target'], test_size = 0.2, shuffle=True)
print(Xtrain.shape, ytrain.shape)
print(Xtest.shape, ytest.shape)
model.fit(Xtrain, ytrain, batch_size =batch_size, epochs = 1, verbose = 5)
но я получаю следующую ошибку
ValueError: Shapes (32, 1) and (32, 2) are incompatible
Можете ли вы помочь мне с этой ошибкой?
Ответ №1:
Ваш y_train
исходит из одного столбца фрейма данных Pandas, который представляет собой один столбец. Это подходит, если ваша проблема классификации является проблемой двоичной классификации 0/1. Тогда вам нужен только один нейрон в выходном слое.
model = Sequential()
model.add(Embedding(2500, embed_dim,input_length = X.shape[1]))
model.add(Dropout(0.2))
model.add(LSTM(lstm_out))
# Only one neuron in the output layer
model.add(Dense(1,activation='sigmoid'))
Комментарии:
1. Большое вам спасибо за вашу помощь. Я изменил столбец «рейтинг» на двоичный, и это сработало!