如何使用Keras搭建指定结构的二分类神经网络

第2层激活函数选择说明 #

• 1个输出节点的二分类场景不能使用softmax激活：softmax的作用是对所有输出节点的结果做归一化，单节点输出经过softmax后永远为1，无法体现分类概率差异，完全失效
• 此处应选用sigmoid激活函数，输出0~1之间的概率值，对应二分类的两类预测结果

数据预处理要求 #

你给出的X/Y矩阵尺寸为2320，对应320个样本、每个样本2个特征，需要先转置为(320, 2)的格式匹配Keras的输入规则；标签C尺寸为1320，直接转置为(320, 1)即可使用，无需额外编码转换。

网络搭建完整代码 #

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

# 初始化序列模型
model = Sequential()
# 第0层（输入层，2个节点）+ 第1层（4个单元，linear激活）
model.add(Dense(4, activation='linear', input_dim=2))
# 第2层（1个节点，sigmoid激活）
model.add(Dense(1, activation='sigmoid'))

# 编译模型，二分类采用二元交叉熵损失
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])

# 训练示例，x_train为转置后的(320,2)特征矩阵，y_train为转置后的(320,1)标签矩阵
# model.fit(x_train, y_train, epochs=50, batch_size=16, validation_split=0.2)

特殊场景适配 #

如果你原始标签确实是2维one-hot格式（尺寸为2*320，每个样本对应[1,0]或[0,1]），且要求输出层必须为1个节点，只需先对one-hot标签做转换：取每个样本的最大值索引，得到单值标签后再输入模型训练即可。

内容的提问来源于stack exchange，提问作者Bogdan