计算均方误差返回 y_true 和 y_pred 具有不同的输出数量（1！=10）

Question

我对深度学习真的很陌生。我想做一个任务：在测试数据上评估模型并计算预测混凝土强度和实际混凝土强度之间的均方误差。您可以使用 Scikit-learn 中的 mean_squared_error 函数。

这是我的代码：

import pandas as pd
from tensorflow.python.keras import Sequential
from tensorflow.python.keras.layers import Dense
from sklearn.model_selection import train_test_split

concrete_data = pd.read_csv('https://cocl.us/concrete_data')

n_cols = concrete_data.shape[1]
model = Sequential()
model.add(Dense(units=10, activation='relu', input_shape=(n_cols-1,)))

model.compile(loss='mean_squared_error',
          optimizer='adam')


y = concrete_data.Cement
x = concrete_data.drop('Cement', axis=1)
xTrain, xTest, yTrain, yTest = train_test_split(x, y, test_size = 0.3)

model.fit(xTrain, yTrain, epochs=50)

现在为了评估均方误差，我写了这个：

from sklearn.metrics import mean_squared_error
predicted_y = model.predict(xTest)
mean_squared_error(yTest, predicted_y)

我收到了这个错误：

y_true and y_pred have different number of output (1!=10)

我的predicted_y 形状是：(309, 10)

我用谷歌搜索，我真的找不到解决这个问题的答案。我不知道我的代码有什么问题。

Answer 1

您的y_test数据形状是 (N, 1) 但因为您在输出层中放置了 10 个神经元，您的模型会做出 10 个不同的预测，这就是错误。

您需要将输出层中的神经元数量更改为 1，或者添加一个只有 1 个神经元的新输出层。

下面的代码可能适合你。

import pandas as pd
from tensorflow.python.keras import Sequential
from tensorflow.python.keras.layers import Dense
from sklearn.model_selection import train_test_split

concrete_data = pd.read_csv('https://cocl.us/concrete_data')

n_cols = concrete_data.shape[1]
model = Sequential()
model.add(Dense(units=10, activation='relu', input_shape=(n_cols-1,)))           
model.add(Dense(units=1))
model.compile(loss='mean_squared_error',
          optimizer='adam')


y = concrete_data.Cement
x = concrete_data.drop('Cement', axis=1)
xTrain, xTest, yTrain, yTest = train_test_split(x, y, test_size = 0.3)

model.fit(xTrain, yTrain, epochs=50)