使用Keras进行多输出分类

Question

我正在使用keras来构建多输出分类模型。我的数据集是这样的

[x1，x2，x3，x4，y1，y2，y3]

x1，x2，x3是特征，y1，y2，y3是标签，y1，y2，y3是多类。

我已经构建了一个模型(我吸收了一些隐藏层(：

def baseline_model(input_dim=23,output_dim=3):
model_in = Input(shape=(input_dim,))
model = Dense(input_dim*5,kernel_initializer='uniform',input_dim=input_dim)(model_in)
model = Activation(activation='relu')(model)
model = Dropout(0.5)(model)
...................
model = Dense(output_dim,kernel_initializer='uniform')(model)
model = Activation(activation='sigmoid')(model)
model = Model(model_in,model)
model.compile(optimizer='adam',loss='binary_crossentropy', metrics=['accuracy'])
return model

然后我尝试使用keras的方法使其支持分类：

estimator = KerasClassifier(build_fn=baseline_model)
estimator.fit()
estimator.predict(df[0:10])

但我发现结果不是多输出，只有一个维度是输出。

[0,0,0,0,0,0,0,0,0,0]

那么对于多输出分类问题，我们不能用 KerasClassifier 函数来学习吗？

Answer 1

您不需要将模型包装在 KerasClassifier 中。该包装器是这样您就可以将Keras模型与Scikit-Learn一起使用的。模型的类型(分类器、回归、多类分类器等(最终取决于模型最后一层的形状和激活。

你可以简单地使用作为 Keras 一部分的 model.fit(( 函数。请确保将数据传递到函数中。您可以在此处查看有关适合功能的更多信息：https://keras.io/models/model/#fit

此外，您的损失设置为binary_crossentropy。对于多类问题，您需要使用categorical_crossentropy。

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

据我所知，这个模型并不是 Keras 所说的多输出。使用多输出，您正在尝试从几个不同的层获取输出，并可能对其应用不同的损失函数。

根据您问题中的设置，如果需要，您可以使用 Keras 顺序模型而不是功能模型。如果可以的话，Keras 建议使用顺序模型，因为它更简单。https://keras.io/getting-started/sequential-model-guide/