Я использую keras для построения модели классификации с несколькими выходами. Мой набор данных такой как
[x1,x2,x3,x4,y1,y2,y3]
x1, x2, x3 - это функции, а y1, y2, y3 - метки, y1, y2, y3 - это мультиклассы.
И я уже построил модель (я добавил несколько скрытых слоев):
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
А затем я пытаюсь использовать метод keras, чтобы он поддерживал классификацию:
estimator = KerasClassifier(build_fn=baseline_model)
estimator.fit()
estimator.predict(df[0:10])
Но я обнаружил, что результат не является многопоточным, выводится только одно измерение.
[0,0,0,0,0,0,0,0,0,0]
Итак, для задачи классификации с несколькими выходами мы не можем использовать функцию KerasClassifier, чтобы изучить ее?