小编bub*_*ble的帖子

我正在使用 keras 构建多输出分类模型。我的数据集是这样的

[x1,x2,x3,x4,y1,y2,y3]

x1,x2,x3 是特征，y1,y2,y3 是标签，y1,y2,y3 是多类。

我已经建立了一个模型（我忽略了一些隐藏层）：

def baseline_model(input_dim=23,output_dim=3):
    model_in = Input(shape=(input_dim,))
    model = Dense(input_dim*5,kernel_initializer='uniform',input_dim=input_dim)(model_in)
    model = Activation(activation='relu')(model)
    model = Dropout(0.5)(model)

    ...................

    model = Dense(output_dim,kernel_initializer='uniform')(model)
    model = Activation(activation='sigmoid')(model)

    model = Model(model_in,model)
    model.compile(optimizer='adam',loss='binary_crossentropy', metrics=['accuracy'])
    return model

然后我尝试使用keras的方法使其支持分类：

estimator = KerasClassifier(build_fn=baseline_model)
estimator.fit()
estimator.predict(df[0:10])

但我发现结果不是多输出的，只输出一维。

[0,0,0,0,0,0,0,0,0,0]

那么对于多输出分类问题，我们能不能使用KerasClassifier函数来学习呢？