使用卷积神经网络添加支持向量机

Question

我希望用卷积神经网络（CNN）提取特征，然后用支持向量机（SVM）进行分类。因此，我建立了一个模型并使用“hinge”损失。

这是我的模型：

model = Sequential()
model.add(Embedding(max_features, 128, input_length=maxlen))
model.add(Dropout(0.5))
model.add(Conv1D(filters,kernel_size,padding='valid',activation='relu',strides=1))
model.add(MaxPooling1D(pool_size=pool_size))
model.add(Dense(38, W_regularizer=l2(0.01)))
model.add(Activation('linear'))
model.compile(loss='hinge',optimizer='adadelta')

然而，我遇到了这个错误。

错误：

ValueError: 检查目标时出错：预期 activation_1 的形状为（None，38），但得到的数组形状为（129083，1）

希望有人能够帮助我解决这个问题。

- Định Tống

---

你应该使用categorical_hinge，因为你有38个类别。你应该将目标(y)转化为one_hot_encoding(你可以使用scikit learn中的OneHotEncoder)。 - Marcin Możejko

从“model.add（Dense（38，W_regularizer = l2（0.01）））”我们可以推断出您有38类。因此，@MarcinMożejko是正确的。使用categorical_hinge。 - Hitesh

Answer 1

使用 hinge_loss 作为损失函数

model.compile(loss='hinge_loss',optimizer='adadelta')

- ANKIT CHOPADE