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,javascript,tensorflow,Javascript,Tensorflow,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,
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。