Kerasと入力層

Question

私は、TheanoまたはTensorFlowよりも簡単だと聞いているので、KerasでANNを学ぼうとしています。私は最初に入力レイヤーと関係するいくつかの質問があります。

これまでのところ、私は、入力としてのコード行を持っている：

model.add(Dense(3 ,input_shape=(2,), batch_size=50 ,activation='relu')) 

今、私がモデルに追加したいデータは、以下の形状である：私はしたい

Index(['stock_price', 'stock_volume', 'sentiment'], dtype='object') 
[[ 3.01440000e+02 7.87830000e+04 0.00000000e+00] 
[ 3.01440000e+02 7.87830000e+04 0.00000000e+00] 
[ 3.01440000e+02 7.87830000e+04 1.42857143e-01] 
[ 3.01440000e+02 7.87830000e+04 5.88235294e-02] 
[ 3.01440000e+02 7.87830000e+04 0.00000000e+00] 
[ 3.01440000e+02 7.87830000e+04 0.00000000e+00] 
[ 3.01440000e+02 7.87830000e+04 0.00000000e+00] 
[ 3.01440000e+02 7.87830000e+04 0.00000000e+00] 
[ 3.01440000e+02 7.87830000e+04 0.00000000e+00] 
[ 3.01440000e+02 7.87830000e+04 5.26315789e-02]] 

モデルでは、株価とツイートの感情の相関関係を見つけることができるかどうかを見てみると、結局のところ、それがパターンを見つけることができるかどうかを見たいので、そこにボリュームを投げただけです。

私の2番目の質問は、いくつかの異なるパラメータで入力層を実行した後で、私が説明できないこの問題が発生します。だから私はこの行を実行する場合：私は、この出力誤差を取得し、次の行で

model.add(Dense(3 ,input_shape=(2,), batch_size=50 ,activation='relu')) 

を：

ValueError: Error when checking model input: expected dense_1_input to have shape (50, 2) but got array with shape (50, 3) 

しかし、私は要求された「3」に入力形状を変更したときに、私はこのエラーを取得：

ValueError: Error when checking model target: expected dense_2 to have shape (50, 1) but got array with shape (50, 302) 

なぜ2がエラーメッセージで '302'に変更されましたか？

これはWekaのアプリケーションを以前に使っただけなので、私が実装しようとした最初のニューラルネットなので、本当に基本的な問題を見落としているでしょう。とにかくここ

は私の完全なコードのコピーです：

from keras.models import Sequential, Model 
from keras.layers import Dense, Activation, Input 
from keras.optimizers import SGD 
from keras.utils import np_utils 
import pymysql as mysql 
import pandas as pd 
import config 

import numpy 
import pprint 

model = Sequential() 
try: 
    sql = "SELECT stock_price, stock_volume, sentiment FROM tweets LIMIT 50" 
    con = mysql.connect(config.dbhost, config.dbuser, config.dbpassword, config.dbname, charset='utf8mb4', autocommit=True) 
    results = pd.read_sql(sql=sql, con=con, columns=['stock_price', 'stock_volume', 'sentiment']) 
finally: 
    con.close() 

npResults = results.as_matrix() 
cols = np_utils.to_categorical(results['stock_price'].values) 
data = results.values 

print(cols) 
# inputs: 
# 1st = stock price 
# 2nd = tweet sentiment 
# 3rd = volume 
model.add(Dense(3 ,input_shape=(3,), batch_size=50 ,activation='relu')) 
model.add(Dense(20, activation='linear')) 
sgd = SGD(lr=0.3, decay=0.01, momentum=0.2) 

model.compile(loss='sparse_categorical_crossentropy', optimizer=sgd, metrics=['accuracy']) 

model.summary() 
model.fit(x=data, y=cols, epochs=100, batch_size=100, verbose=2) 

編集：ここでは

は、私は、コンソールをFOM得るすべての出力です：

C:\Users\Def\Anaconda3\python.exe C:/Users/Def/Dropbox/Dissertation/ann.py 
Using Theano backend. 
C:\Users\Def\Dropbox\Dissertation 
[[ 0. 0. 0. ..., 0. 0. 1.] 
[ 0. 0. 0. ..., 0. 0. 1.] 
[ 0. 0. 0. ..., 0. 0. 1.] 
..., 
[ 0. 0. 0. ..., 0. 0. 1.] 
[ 0. 0. 0. ..., 0. 0. 1.] 
[ 0. 0. 0. ..., 0. 0. 1.]] 
_________________________________________________________________ 
Layer (type)     Output Shape    Param # 
================================================================= 
dense_1 (Dense)    (50, 3)     12   
_________________________________________________________________ 
dense_2 (Dense)    (50, 20)     80   
================================================================= 
Traceback (most recent call last): 
    File "C:/Users/Def/Dropbox/Dissertation/ann.py", line 38, in <module> 
    model.fit(x=data, y=cols, epochs=100, batch_size=100, verbose=2) 
    File "C:\Users\Def\Anaconda3\lib\site-packages\keras\models.py", line 845, in fit 
    initial_epoch=initial_epoch) 
    File "C:\Users\Def\Anaconda3\lib\site-packages\keras\engine\training.py", line 1405, in fit 
    batch_size=batch_size) 
    File "C:\Users\Def\Anaconda3\lib\site-packages\keras\engine\training.py", line 1299, in _standardize_user_data 
    exception_prefix='model target') 
    File "C:\Users\Def\Anaconda3\lib\site-packages\keras\engine\training.py", line 133, in _standardize_input_data 
    str(array.shape)) 
ValueError: Error when checking model target: expected dense_2 to have shape (50, 20) but got array with shape (50, 302) 
Total params: 92.0 
Trainable params: 92 
Non-trainable params: 0.0 
_________________________________________________________________ 

Process finished with exit code 1 

Answer 1

私はあなたが使用していると思います間違ったメトリック：sparse_categorical_crossentropy これを通常よりも好む理由はありますか：categorical_crossentropy？

categorical_crossentropyを使用している場合は、ターゲットを1ホットコードでエンコードする必要があります（例：cols = np_utils.to_categorical(results['stock_price'].values)など）。

一方、sparse_categorical_crossentropyは整数ベースのラベルを使用します。

だからいずれかを使用：

cols = np_utils.to_categorical(results['stock_price'].values) 

model.compile(loss='categorical_crossentropy', optimizer=sgd, metrics=['accuracy']) 

有すると（NUM-カテゴリ）ニューロン

または使用の出力層：と

cols = results['stock_price'].values.astype(np.int32) 

model.compile(loss='sparse_categorical_crossentropy', optimizer=sgd, metrics=['accuracy']) 

と単一ニューロン出力層。