多类KerasClassifier的网格搜索

我正在尝试使用Keras对多类分类进行网格搜索。以下是代码的一部分：

数据的某些属性如下所示：

y_
array(['fast', 'immobile', 'immobile', ..., 'slow',
       'immobile', 'slow'],
      dtype='<U17')

y_onehot = pd.get_dummies(y_).values

y_onehot
array([[1, 0, 0],
       [0, 0, 1],
       [0, 0, 1],
    ...
       [0, 1, 0],
       [0, 0, 1],
       [0, 1, 0]], dtype=uint8)

#Do train-test split

y_train.shape
(1904,)

y_train_onehot.shape
(1904, 3)

下面是错误：

--> grid_result = grid.fit(X_train, y_train_onehot)
ValueError: Classification metrics can't handle a mix of multilabel-indicator and multiclass targets

---

这段代码是针对二进制模型的，但我希望能针对多类数据集对其进行修改。请帮忙。谢谢

错误在softmax层中

我想你指的是

y\u-train\u-onehot.shape[1]

而不是

y\u-train\u-onehot[1]

更新1:这很奇怪，但您的第二个问题似乎是您的培训问题，您是否介意尝试两种方法：

在y_列车上尝试相同型号的而不使用onehot编码

如果仅此一项不起作用，请将损失更改为

sparse\u categorical\u crossentropy

---

另外，请确保将

y\u-train\u-onehot.shape[1]

更改为softmax层中的类数

是否可以显示您的

y-train\u-onehot

和原始

y

的一些示例？您将原始的

y

转换为

y\u onehot

@VivekKumar的代码，我已经按照您的建议进行了添加。它看起来像一个简单的多类问题。请不要对

y.

进行热编码。直接在

fit（）

：

grid.fit（X\u-train，y\u-train）

中使用它。我有一个类似的问题，你能更明确地说明你的尝试吗？恢复到非热编码似乎会产生各种其他问题，这些问题也不起作用（例如必须将最后一个softmax设置为layer，将其设置为dimension 1，等等）。谢谢

--> grid_result = grid.fit(X_train, y_train_onehot)
ValueError: Classification metrics can't handle a mix of multilabel-indicator and multiclass targets