बाइनरी केरास सीएनएन हमेशा 1 की भविष्यवाणी क्यों करता है?

Question

मैं एक केरास सीएनएन का उपयोग कर एक बाइनरी वर्गीकरण बनाना चाहता हूं। मैं इनपुट डेटा के 6000 के बारे में पंक्तियों जो इस तरह दिखता है:

>> print(X_train[0]) 
[[[-1.06405307 -1.06685851 -1.05989663 -1.06273152] 
    [-1.06295958 -1.06655996 -1.05969803 -1.06382503] 
    [-1.06415248 -1.06735609 -1.05999593 -1.06302975] 
    [-1.06295958 -1.06755513 -1.05949944 -1.06362621] 
    [-1.06355603 -1.06636092 -1.05959873 -1.06173742] 
    [-1.0619655 -1.06655996 -1.06039312 -1.06412326] 
    [-1.06415248 -1.06725658 -1.05940014 -1.06322857] 
    [-1.06345662 -1.06377347 -1.05890365 -1.06034568] 
    [-1.06027557 -1.06019084 -1.05592469 -1.05537518] 
    [-1.05550398 -1.06038988 -1.05225064 -1.05676692]]] 
>>> print(y_train[0]) 
[1] 

और फिर मैं इस तरह से एक सीएनएन का निर्माण कर दिया है:

model = Sequential() 
model.add(Convolution1D(input_shape = (10, 4), 
         nb_filter=16, 
         filter_length=4, 
         border_mode='same')) 
model.add(BatchNormalization()) 
model.add(LeakyReLU()) 
model.add(Dropout(0.2)) 

model.add(Convolution1D(nb_filter=8, 
         filter_length=4, 
         border_mode='same')) 
model.add(BatchNormalization()) 
model.add(LeakyReLU()) 
model.add(Dropout(0.2)) 

model.add(Flatten()) 

model.add(Dense(64)) 
model.add(BatchNormalization()) 
model.add(LeakyReLU()) 

model.add(Dense(1)) 
model.add(Activation('softmax')) 

reduce_lr = ReduceLROnPlateau(monitor='val_acc', factor=0.9, patience=30, min_lr=0.000001, verbose=0) 

model.compile(optimizer='adam', 
       loss='binary_crossentropy', 
       metrics=['accuracy']) 

history = model.fit(X_train, y_train, 
      nb_epoch = 100, 
      batch_size = 128, 
      verbose=0, 
      validation_data=(X_test, y_test), 
      callbacks=[reduce_lr], 
      shuffle=True) 

y_pred = model.predict(X_test) 

लेकिन यह निम्न रिटर्न:

>> print(confusion_matrix(y_test, y_pred)) 
[[ 0 362] 
[ 0 608]] 

सभी भविष्यवाणियां क्यों हैं? सीएनएन इतना बुरा क्यों करता है?

Answer 1

यह हमेशा आपके नेटवर्क में उत्पादन की वजह से एक भविष्यवाणी: यहाँ हानि और एसीसी चार्ट कर रहे हैं। सॉफ़्टमैक्स सक्रियण के साथ आपके पास एक न्यूरॉन के साथ एक घने परत होती है। सॉफ़्टमैक्स प्रत्येक आउटपुट के घातीय योग के योग से सामान्यीकृत होता है। चूंकि एक आउटपुट है, केवल एक ही संभावित आउटपुट 1.0 है।

एक बाइनरी क्लासिफायरफायर के लिए आप या तो "बाइनरी_crossentropy" हानि के साथ एक सिग्मोइड सक्रियण का उपयोग कर सकते हैं, या अंतिम परत पर दो आउटपुट इकाइयों को रख सकते हैं, सॉफ्टमैक्स का उपयोग करते रहें और नुकसान को categorical_crossentropy में बदलें।