Keras中的二进制分类单位计数

Question

在Keras的文档中，例如：

对于具有2类（二进制分类）的单输入模型：

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)

我对此模型有2个问题： 1）输入为100个尺寸，因此具有100个特征。为什么说它是“单输入模型”？ “单输入”是什么意思？

2）对于二进制分类，为什么Dense（1，activation = sigmoid）参数为'1'，而不是'2'？目标是0或1，代表2个类别。

Answer 1

1. 此处有1个输入，它是100个值的向量。当然，这对您来说是100个功能，但它们打包为单个输入向量。 可能有2个或更多输入，例如1个图像张量+ 1个特征向量。

2. 单个值足以进行二进制分类。正如您正确提到的，您只返回0或1。Sigmoid激活会将所有值缩小到[0; 1]间隔，因此可以将其解释为类选择。