沿单特征行的Keras卷积

Question

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沿每个特征行应用卷积核。假设nb\u filter=2，batch\u size=3。所以我希望卷积层的输入形状是（3，4），输出形状是（3，3）（因为它适用于AB、BC、CD）。

下面是我对Keras的尝试（v1.2.1，Theano后端）：

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)

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

clf.fit(X_train, y_train)

形状：

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

输出：

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

当我尝试运行此代码时，我得到和异常：

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

我试图重塑y\U列车：

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

这给了我例外：

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

1. 这种使用卷积1D的方法是否正确以实现我的目标？
2. 如果#1是是，我如何修复我的代码？

我已经在这里阅读了许多github问题和一些问题（1、2），但它并没有真正起到帮助作用。

谢谢

更新1：根据马蒂亚斯·瓦尔登格罗的评论。以下是重塑“X”后和“y”一次编码后的形状：

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

输出：

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

更新2：再次感谢马蒂亚斯·瓦尔登格罗。X整形是在创建模型后完成的，以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)

Answer 1

一维卷积的输入应具有维度（num\u采样、通道、宽度）。因此，这意味着您需要重塑X\U列和X\U测试，而不是y\U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])