2類MLP分類器被強制為1個輸出（二進制分類器）

Question

我在python中將MLP分類器用於不同類型的數據集。

當有兩個以上的類時，分類器中的輸出數相等。 當我有2個類別時，分類器被強制為1個輸出（二進制）。 這弄亂了權重矩陣以及權重的解釋。

更具體地，當N＞ 2時，對於M個輸入和N個輸出，權重矩陣（coefs_）是M×N。 當N = 2時，權重矩陣為Mx1。 有什么方法可以將其強制為兩個單獨的類？ 如果我只想對兩個類進行多標簽分類怎么辦？

提前致謝！

Answer 1

嗨，謝謝你的答復。 我實際上找到了一個解決方案：

如果標簽是一鍵編碼的，則具有兩個類別的分類器具有兩個輸出。

如果標簽只是索引（帶有整數的向量），則在有兩個類的情況下只有一個輸出。 如果有更多類，則與一鍵編碼相同。

您可以查看此代碼段以查看不同之處：

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("")