具有 2 个单元和 softmax 的输出层是使用 LSTM 进行二进制分类的理想选择吗？答案

【问题标题】：Is an output layer with 2 units and softmax ideal for binary classification using LSTM?具有 2 个单元和 softmax 的输出层是使用 LSTM 进行二进制分类的理想选择吗？
【发布时间】：2021-12-04 08:44:46
【问题描述】：

我正在使用 LSTM 进行二元分类，最初尝试了一个在输出（密集）层中具有 1 个单元的模型，并以 sigmoid 作为激活函数。但是，它表现不佳，我看到一些笔记本在输出层（紧随 LSTM 之后的层）中使用了 2 个单元，并使用 softmax 作为激活函数。使用 2 个输出层并使用 softmax 而不是单个单元和 sigmoid（出于二进制分类的目的）有什么优势吗？我使用 binary_crossentropy 作为损失函数

【问题讨论】：

你使用什么损失函数？
两者在概率上都是正确的。
binary_crossentropy 是损失函数

标签： tensorflow keras deep-learning lstm recurrent-neural-network

【解决方案1】：

Softmax 应该优于 sigmoid，因为 sigmoid 的导数斜率几乎接近 1（梯度消失问题）。这使得分类变得困难。这可能是 softmax 比 sigmoid 表现更好的原因

【讨论】：