我有一個(gè)這樣的 DNA 序列數(shù)據(jù)框：Feature LabelGCTAGATGACAGT 0TTTTAAAACAG 1TAGCTATACT 2 TGGGGCAAAAAAAA 0AATGTCG 3AATGTCG 0AATGTCG 1其中有一列帶有 DNA 序列，標(biāo)簽可以是 0、1、2、3（即該 DNA 序列的類別）。我想開發(fā)一個(gè)神經(jīng)網(wǎng)絡(luò)來預(yù)測每個(gè)序列分類為 1,2 或 3 類別的概率（不是 0，我不關(guān)心 0）。每個(gè)序列可以在數(shù)據(jù)框中出現(xiàn)多次，并且每個(gè)序列有可能出現(xiàn)在多個(gè)（或所有）類別中。所以輸出應(yīng)該是這樣的：GCTAGATGACAGT (0.9,0.1,0.2)TTTTAAAACAG (0.7,0.6,0.3)TAGCTATACT (0.3,0.3,0.2) TGGGGCAAAAAAAA (0.1,0.5,0.6)其中元組中的數(shù)字是序列在類別 1,2 和 3 中找到的概率。它運(yùn)行，并按預(yù)期打印精度（精度不是很好，62%，但我可以解決這個(gè)問題，這是我的第一個(gè) NN，只想運(yùn)行一個(gè)示例）。我的問題專門針對預(yù)測。有人可以向我展示一個(gè)從擬合模型（我在上面有）到實(shí)際預(yù)測的跳躍示例。我認(rèn)為該算法涉及：從交叉驗(yàn)證中找到最佳模型（我試圖將其與監(jiān)視器 val 準(zhǔn)確性部分結(jié)合起來）預(yù)測類別的序列列表在 pred_list 中擬合從訓(xùn)練到 pred_list 的最佳模型如問題頂部所述的返回概率。我從其他問題中知道這存在（例如這里）：prediction = model.predict(np.array(tk.texts_to_sequences(text)))
print(prediction)....但我不知道如何將它與交叉驗(yàn)證結(jié)合起來，也不知道如何以一種方式獲得我想要的輸出（即在訓(xùn)練中每個(gè)序列被分配到 1,2 或 3 類的三類概率數(shù)據(jù)集，其中每個(gè)序列可以出現(xiàn)在多個(gè)類中）。
1 回答
慕無忌1623718
TA貢獻(xiàn)1744條經(jīng)驗(yàn) 獲得超4個(gè)贊
你在一個(gè)問題中問了太多而且很不相關(guān)的東西，而且里面有好幾個(gè)問題。我將嘗試解決我認(rèn)為最嚴(yán)重的問題。
首先，如果您有以下形式的案例
Feature Label
AATGTCG 3
AATGTCG 0
AATGTCG 1
即，完全相同的單個(gè)特征可以屬于 0、1 或 3 類，沒有任何其他特征存在，那么這里的信息是監(jiān)督分類可能不適合您手頭的問題；為此，您應(yīng)該使用附加功能。
如果，如您所說，您只對第 1、2 和 3 類感興趣，并且
不是 0，我不關(guān)心 0
那么在數(shù)據(jù)準(zhǔn)備階段你應(yīng)該做的第一件事就是從你的數(shù)據(jù)集中刪除類 0 的所有實(shí)例；不清楚你是否在這里這樣做，即使你這樣做了，也不清楚為什么你仍然將 0 類留在討論中。
其次（假設(shè)您的分類問題中確實(shí)只剩下 3 個(gè)類），您顯示的是模型的預(yù)期輸出：
GCTAGATGACAGT (0.9,0.1,0.2)
TTTTAAAACAG (0.7,0.6,0.3)
TAGCTATACT (0.3,0.3,0.2)
TGGGGCAAAAAAAA (0.1,0.5,0.6)
不正確；在多類分類中，返回的概率（即此處括號中的數(shù)字）加起來必須正好為1，而這里不是這種情況。
第三，由于您有一個(gè)多類分類問題，您的損失應(yīng)該是categorical_crossentropy，而不是binary_crossentropy，它僅用于二元分類問題。
第四，再次假設(shè)你只剩下 3 個(gè)類，模型的最后一層應(yīng)該是
model.add(Dense(3, activation='softmax') # no. of units here should be equal to the no. of classes)
而你的標(biāo)簽y應(yīng)該是一次性編碼的（你可以使用 Keras 函數(shù)輕松做到這一點(diǎn)to_categorical）。
第五，仔細(xì)查看循環(huán)開頭的數(shù)據(jù)定義：
X_train, X_test = data_encoded[train], data_encoded[test]
y_train, y_test = data_encoded[train], data_encoded[test]
您可以很容易地看到您將特征作為特征和標(biāo)簽傳遞。我只能猜測這一定是你方的錯(cuò)字；標(biāo)簽應(yīng)該是：
y_train, y_test = y[train], y[test]
關(guān)于您的預(yù)測時(shí)間錯(cuò)誤
Error when checking input: expected embedding_3_input to have shape (5,) but got array with shape (1,)
這是由于input_length=5嵌入層中的參數(shù)。我在這里承認(rèn)，我一點(diǎn)也不熟悉 Keras 嵌入層；您可能需要查看文檔以確保此參數(shù)和分配的值確實(shí)符合您的想法/打算做的事情。
除此之外，關(guān)于您的具體問題：
我的問題專門針對預(yù)測。有人可以向我展示一個(gè)從擬合模型（我在上面有）到實(shí)際預(yù)測的跳躍示例。
您應(yīng)該在 CV 循環(huán)之外再次重新編譯和重新擬合模型（可能使用 CV 期間發(fā)現(xiàn)的“最佳”時(shí)期數(shù)）和整個(gè)數(shù)據(jù)，然后將其用于預(yù)測。
我想現(xiàn)在應(yīng)該很清楚了，鑒于上述問題，你報(bào)告的 62% 的準(zhǔn)確率實(shí)際上沒有任何意義；無論好壞，如果你試圖做從建模角度來看沒有意義的事情（就像我上面提到的大多數(shù)事情），Keras 不會“保護(hù)”你，比如在多類問題中使用二元交叉熵，或在回歸設(shè)置中使用準(zhǔn)確性......
添加回答
舉報(bào)
0/150
提交
取消