Javascript ML5：错误：您正在使用loss'；传递形状为11342,1的目标数组；分类交叉熵'；范畴交叉熵&x27；预期目标

我正在尝试在我正在构建的React应用程序中使用ML5库进行分类

我的浏览器中出现以下错误

错误：您正在传递形状为11342,1的目标数组，同时使用丢失的“分类交叉熵”“分类交叉熵”期望目标是形状[样本，类]的二元矩阵（1和0）。

在出现此错误的几个Github问题中，解释是

此错误表示数据集中只有1种类型的对象。数据集中必须有2个或更多不同的对象类。

这是链接和中的说明

我不知道这是什么意思。我的数据中有6个输入和2个输出。我的输入将如下所示

let inputs = {
  male: 1,
  female: 0,
  dob: 641710800000,
  // have more, but keeping it simple for this example...
}

let output = {
  job: 1 // or 0, if they have a job or not, for example. i.e., two possible outputs
}

我的输出会像这样

let inputs = {
  male: 1,
  female: 0,
  dob: 641710800000,
  // have more, but keeping it simple for this example...
}

let output = {
  job: 1 // or 0, if they have a job or not, for example. i.e., two possible outputs
}

然而，我仍然得到了错误。有人能帮我理解为什么以及如何修复它吗

下面是我的代码：

people_arr = json.voters_arr;
keys = ["male", "female", "dob"];

let model_options = {
  inputs: keys,
  outputs: ["job"],
  task: "classification"
};

let model = ml5.neuralNetwork(model_options);


for (let person of people_arr) {
  let inputs = {
    male: person.male,
    female: person.female,
    dob: person.dob
  };

  let output = {};
  output.job = person.job; // either 0 or 1
  model.addData(inputs, output);
}

model.normalizeData();

let train_options = { epochs: 100 }
model.train(train_options, whileTraining); // <-- error happening here
.then(() => {
  console.log("pre classify");
  return model.classify(new_person_arr);
})
.then((err, results) => {
  if (err) { console.log("error") }

  else {
    let new_arr = results.splice(100);
    console.log("results : ", new_arr);
    setValues({...values, results: new_arr })
  }
})
.catch((err) => { console.log("err : ", err) });

people\u arr=json.voctors\u arr；
键=[“男性”、“女性”、“dob”]；
让模型_选项={
输入：键，
输出：[“作业”]，
任务：“分类”
};
让model=ml5.神经网络（model_选项）；
为（让人中的人参与）{
让输入={
男:人,男,，
女:人,女,，
dob:person.dob
};
让输出={}；
output.job=person.job；//0或1
模型。添加数据（输入、输出）；
}
model.normalizeData（）；
让我们训练选项={epochs:100}
型号.列车（列车选项，同时培训）；//{
控制台日志（“预分类”）；
返回模型。分类（新用户）；
})
.然后（（错误，结果）=>{
if（err）{console.log（“error”）}
否则{
设new_arr=结果。拼接（100）；
日志（“结果：”，新的_arr）；
setValues（{…值，结果：new_arr}）
}
})
.catch（（err）=>{console.log（“err:，err）}）；

分类交叉熵

期望一个热向量作为标签，而不是一个数字。例如，假设有三个人：

Michael

，

Jim

，和

Dwight

Michael

和

Jim

有工作，

Dwight

没有工作。比如说，没有工作会把你归入

0

，而有工作会把你归入

1

。本例中的标签如下所示：

[[0,1],    # Michael's label
 [0,1],    # Jim's label
 [1,0]]    # Dwight's label

Michael

和

Jim

属于

1

类别，因此他们在索引

1

处有一个

1

，在所有其他索引处有一个

0

Dwight

属于

0

类别，因此他在索引

0

中有一个

1

，在所有其他索引中有一个

0

---

如果要使用单个数字作为标签（即

0

或

1

），则应使用

稀疏分类交叉熵

<代码>稀疏分类交叉熵将整数作为每个样本的标签，并假设存在从

0

到它看到的最大值整数的类别。因此，它可以很好地处理您已经拥有的信息。

分类交叉熵

需要一个热向量作为标签，而不是一个数字。例如，假设有三个人：

Michael

，

Jim

，和

Dwight

Michael

和

Jim

有工作，

Dwight

没有工作。比如说，没有工作会把你归入

0

，而有工作会把你归入

1

。本例中的标签如下所示：

[[0,1],    # Michael's label
 [0,1],    # Jim's label
 [1,0]]    # Dwight's label

Michael

和

Jim

属于

1

类别，因此他们在索引

1

处有一个

1

，在所有其他索引处有一个

0

Dwight

属于

0

类别，因此他在索引

0

中有一个

1

，在所有其他索引中有一个

0

---

如果要使用单个数字作为标签（即

0

或

1

），则应使用

稀疏分类交叉熵

<代码>稀疏分类交叉熵将整数作为每个样本的标签，并假设存在从

0

到它看到的最大值整数的类别。因此，它将与您已经拥有的功能完美配合。

@Scott是否应该在您的代码中的其他地方存在新的\u person\u arr？因为它唯一被引用的地方就是那一行。是的，它是一个实际的对象或数组。我在调用

.classify（）

之前输入了

console.log

内容，它不是

null

或

未定义的

@Scott，我不确定。试着发布另一个问题，也许其他人可以帮助你。@Scott是

新的\u person\u arr

应该存在于你的代码中的其他地方吗？因为它唯一被引用的地方就是那一行。是的，它是一个实际的对象或数组。我在调用

.classify（）

之前输入了

console.log

内容，它不是

null

或

未定义的

@Scott，我不确定。试着发另一个问题，也许其他人可以帮你。