Boe*_*nce 6 python classification layer neural-network keras
我需要将图像分类为癌性或非癌性。
为此，我构建了一个经典的 CNN，但我在使用两列向量标记我的数据集之间犹豫不决，如下所示：
cancerous: [0, 1]
not cancerous: [1, 0]
并使用具有 2 个输出神经元的 softmax 激活函数。
model.add(Dense(2, activation='softmax'))
或者
cancerous: [1]
not cancerous: [0]
并使用带有一个输出神经元的 sigmoid 激活函数。
model.add(Dense(1, activation='sigmoid'))
鉴于我需要使用患癌症的概率作为患者的最终指标并绘制 ROC 曲线，哪种模型更好？
总的趋势是使用具有sigmoid曲线的多个输出节点进行多标签分类。通常，softmax 用于多类分类，其中 softmax 预测每个输出的概率，我们选择概率最高的类。对于二元分类，我们可以选择通过sigmoid传递的单个神经元输出，然后设置阈值来选择类别，或者使用两个神经元输出然后执行softmax。在任何一种情况下，阈值处理都是可能的。用单个神经元输出绘制 ROC 曲线相当容易，因为您必须对一个值进行阈值处理。所以，您可以轻松地与model.add(Dense(1, activation='sigmoid'))