2类MLP分类器强制为1输出（二进制分类器）

Question

我在python中使用MLP分类器处理不同类型的数据集。在

当有两个以上的类时，我在分类器中有相同数量的输出。当我有2个类时，分类器强制为1个输出（二进制）。这会扰乱权重矩阵以及权重的解释。在

更具体地说，对于M个输入和N个输出，当N>；2时，权重矩阵（coefs_u）为MxN。当N=2时，权重矩阵为Mx1。有没有办法强迫它分为两个独立的班级？如果我只想用两个类进行多标签分类呢？在

提前谢谢！在

Answer 1

嗨，谢谢你的回复。我真的找到了一个解决办法：

如果标签是一个热编码的，那么具有两个类的分类器有两个输出。在

如果标签只是索引（带有整数的向量），那么只有一个输出，以防有两个类。如果有更多的类，那么它与一个热编码的类相同。在

您可以检查此片段以查看区别：

import numpy as np
from sklearn.neural_network import MLPClassifier
import pandas as pd
noinputs=10
nosamples=300

for noclasses in range(2,4):
    X_train=np.random.rand(nosamples,noinputs)

    Y_train=np.random.random_integers(0,noclasses-1,(nosamples))
    Y_train_onehot=pd.get_dummies(Y_train)

    clf_vector=MLPClassifier(hidden_layer_sizes=[],max_iter=2)    
    clf_onehot=MLPClassifier(hidden_layer_sizes=[],max_iter=2)    

    clf_vector.fit(X_train, Y_train)
    clf_onehot.fit(X_train, Y_train_onehot)
    print("Number of classes: "+str(noclasses))
    print("Vector labels: Shape of weight matrix: "+str(np.array(clf_vector.coefs_).shape))
    print("One-hot encoded labels: Shape of weight matrix: "+str(np.array(clf_onehot.coefs_).shape))
    print("")