【问题标题】：The unit count of binary classification in KerasKeras中二进制分类的单位计数
【发布时间】：2020-02-16 09:16:59
【问题描述】：

在 Keras 的文档中，对于这个例子：

对于具有 2 个类别的单输入模型（二元分类）：

model = Sequential()
model.add(Dense(32, activation='relu', input_dim=100))
model.add(Dense(1, activation='sigmoid'))
model.compile(optimizer='rmsprop',
              loss='binary_crossentropy',
              metrics=['accuracy'])
data = np.random.random((1000, 100))
labels = np.random.randint(2, size=(1000, 1))

# Train the model, iterating on the data in batches of 32 samples
model.fit(data, labels, epochs=10, batch_size=32)

我对这个模型有 2 个问题： 1）输入是100维，所以有100个特征。为什么说它是“单输入模型”？ “单输入”是什么意思？

2) 对于二元分类，为什么 Dense(1, activation=sigmoid) 参数是'1'，而不是'2'？目标是0或1，代表2个类。

【问题讨论】：

标签： keras

【解决方案1】：

这里有 1 个输入，它是一个包含 100 个值的向量。当然，这对你来说是 100 个特征，但它们被打包为单个输入向量。您可能有 2 个或更多输入，例如 1 个图像张量 + 1 个特征向量。
单个值足以进行二元分类。正如您正确提到的，您只需返回 0 或 1。Sigmoid 激活会将所有值缩小到 [0;1] 区间，因此可以将其解释为类选择。

【讨论】：