我有70k样本的文本,我使用Keras'one hot'预处理嵌入了.这给了我一个数组,[40, 20, 142...]然后我填充长度为28(最长的样本长度).我所要做的就是将这些值预测为某些分类标签(0到5可以说).当我训练模型,我不能得到任何超越-.13%的准确度(目前我的错误是这个我已经尝试了许多方法来传递输入).
这是我目前的数据,我只想创建一个简单的LSTM.我的数据再次是X - > [28个整数值的长度,嵌入]和Y - > [长度为3的整数,(100,143等)].知道我做错了什么？我问了很多人,没有人能帮忙.这是我的模型的代码...任何想法？:(
optimizer = RMSprop(lr=0.01) #saw this online, no idea
model = Sequential()
model.add(Embedding(input_dim=28,output_dim=1,init='uniform')) #28 features, 1 dim output?
model.add(LSTM(150)) #just adding my LSTM nodes
model.add(Dense(1)) #since I want my output to be 1 integer value
model.compile(loss='sparse_categorical_crossentropy', optimizer=optimizer, metrics=['accuracy'])
print(model.summary())
编辑:
使用model.add(Embedding(input_dim=900,output_dim=8,init='uniform'))似乎工作,但仍然准确性从未改善,我不知道该怎么做.