Python 两类以上的Tensorflow神经网络

所以我看了一个关于udemy的tensorflow教程，决定自己试试看，他说如果你想要超过2个类别，就把激活改为“softmax”，单位改为4，因为我有4个不同的类别（从0:1改为1:4），如果“y”中只有2个不同的值，一切都会正常但当我将其更改为4个单元和4个类别时，我得到了错误：

ValueError:检查目标时出错：预期稠密_3具有形状（4），但获得具有形状（1）的数组

即使将其改回形状“1”，也只会导致正确或错误的分类

y中的我的数据集：

这里有问题

---

对于多类任务，您的y_训练和y_测试必须是一个热编码。这意味着它们必须有维度（样本的数量，4），其中4表示类的数量

在列车测试拆分之前，您需要将tensorflow.keras.utils.to_category应用于它们

y = to_categorical(y, 4)

---

参考：

对于多类任务，您的y_训练和y_测试必须是一个热编码。这意味着它们必须有维度（样本的数量，4），其中4表示类的数量

在列车测试拆分之前，您需要将tensorflow.keras.utils.to_category应用于它们

y = to_categorical(y, 4)

---

ref:

我认为你应该对你的标签进行一次热编码-我不确定我认为你应该对你的标签进行一次热编码-我不确定tf.keras.utils.to_category（y，4）和y=tf.keras.utils.to_category（y，4）带来：索引4超出了大小为4的轴1的界限y的形状是什么（to_categegorical之前）？y=tf.keras.utils.to_categorical（y，num_classes=None，dtype='float64'）所以“None”类工作得很好，比如tf.keras.utils.to_category（y，4）和y=tf.keras.utils.to_category（y，4）带来：索引4超出了大小为4的轴1的界限y的形状（在to_category之前）？y=tf.keras.utils.to_categegegory（y，num_classes=None，dtype='64'）所以“None”上课很顺利

y = to_categorical(y, 4)