Neural network 沿单个特征行的Keras卷积

我有一个多类分类问题。假设我有一个特征矩阵：

A   B C D
1  -1 1 -6
2 0.5 0 11
7 3.7 1 1
4 -50 1 0

和标签：

LABEL
0
1
2
0
2

我想尝试使用Keras沿每个单独的特征行应用卷积核。假设nb_过滤器=2，批次大小=3。所以我希望卷积层的输入形状是（3，4），输出形状是（3，3）（正如它应用于AB，BC，CD）

下面是我对Keras（v1.2.1，Theano后端）的尝试：

形状：

print X_train.shape
print X_test.shape
print y_train.shape

print X_train.shape
print X_test.shape
print y_train.shape

输出：

(45561, 44)
(11391, 44)
(45561L,)

(45561L, 1L, 44L)
(11391L, 1L, 44L)
(45561L, 3L)

当我尝试运行此代码时，会出现以下异常：

ValueError: Error when checking model target: expected dense_1 to have 3 dimensions, but got array with shape (45561L, 3L)

ValueError: Error when checking model target: expected dense_1 to have 3 dimensions, but got array with shape (136683L, 2L)

我试图重塑你的火车：

y_train = y_train.reshape(y_train.shape[0], 1, y_train.shape[1])

这给了我一个例外：

ValueError: Error when checking model target: expected dense_1 to have 3 dimensions, but got array with shape (45561L, 3L)

ValueError: Error when checking model target: expected dense_1 to have 3 dimensions, but got array with shape (136683L, 2L)

使用卷积1d的方法是否正确，以实现我的目标

如果#1为是，我如何修复代码

我已经在这里阅读了很多github问题和一些问题（，），但它没有真正的帮助

谢谢

更新1: 根据Matias Valdenegro的评论。 以下是重塑“X”和对“y”进行onehot编码后的形状：

输出：

(45561, 44)
(11391, 44)
(45561L,)

(45561L, 1L, 44L)
(11391L, 1L, 44L)
(45561L, 3L)

更新2:再次感谢Matias Valdenegro。X重塑是在创建模型后完成的，确保这是一个复制粘贴问题。代码应该如下所示：

def CreateModel(input_dim, num_hidden_layers):
    from keras.models import Sequential
    from keras.layers import Dense, Dropout, Convolution1D, Flatten

    model = Sequential()
    model.add(Convolution1D(nb_filter=10, filter_length=1, input_shape=(1, input_dim), activation='relu'))
    model.add(Dense(3, activation='softmax'))
    model.compile(loss='categorical_crossentropy', optimizer='adam')
    model.summary()
    return model

def OneHotTransformation(y):
    from keras.utils import np_utils
    return np_utils.to_categorical(y)

clf = KerasClassifier(build_fn=CreateModel, input_dim=X_train.shape[1], num_hidden_layers=1, nb_epoch=10, batch_size=500)

X_train = X_train.values.reshape(X_train.shape[0], 1, X_train.shape[1])
X_test = X_test.values.reshape(X_test.shape[0], 1, X_test.shape[1]),
y_train = OneHotTransformation(y_train)

clf.fit(X_train, y_train)

---

一维卷积的输入应具有维度（num_样本、通道、宽度）。因此，这意味着您需要重塑X_序列和X_测试，而不是y_序列：

X_train = X_train.reshape(X_train.shape[0], 1, X_train.shape[1])
X_test = X_test.reshape(X_test.shape[0], 1, X_test.shape[1])

---

正如你在我的问题中所看到的，我尝试过不改造y_火车。它还抛出异常。@shda您问题中的形状与重塑后的预期不匹配，您确定它们是正确的吗？抱歉，这些是重塑前的形状。我将更新我的问题。@shda确保他输入的dims是正确的，应该是（1，44）。我应该在哪里检查它？CreateModel中的输入变量在运行时等于44。所以卷积1d的输入形状是（1，44）。