主页 / 问题 / 927327
Accepted
Сергей Андреев
Asked:2020-12-31 23:21:34 +0000 UTC2020-12-31 23:21:34 +0000 UTC

这种神经网络架构适合文本分类吗？

  • 772

编码：

model = Sequential()
model.add(Embedding(max_features, 32))
model.add(SpatialDropout1D(0.2))
model.add(LSTM(100, dropout=0.2, recurrent_dropout=0.2)) 
model.add(Dense(num_classes, activation="sigmoid"))
model.compile(loss='categorical_crossentropy',
              optimizer='adam',
              metrics=['accuracy'])
model.fit(x_train, y_train, batch_size=256, epochs=15,
          validation_data=(x_test, y_test), verbose=2)
scores = model.evaluate(x_test, y_test,
                        batch_size=256)

是否有用于文本分类的更好/高效的神经网络架构？

python

1 个回答

  1. Best Answer

    首先引起您注意的是所选激活函数和损失（误差）函数之间的差异。激活函数sigmoid用于二分类，与损失函数结合使用binary_crossentropy：

    如果分类结果可以超过两个 (3+) 值，则 应用作激活函数softmax，并且 应用作损失categorical_crossentropy。

    最合适的架构是能够为您提供最佳结果并满足所有边界条件的架构。

    • 1

相关问题