Keras 层中逻辑回归的权重答案

【问题标题】：Weights in logistic regression in Keras layersKeras 层中逻辑回归的权重
【发布时间】：2018-09-20 18:04:02
【问题描述】：

以下是我使用 Keras 建立剂量值（形状 672,1）和疾病结果（形状 672,1；二元结果 0,1）之间关联的逻辑回归代码。我的目标是计算优势比，我发现它是 exp(weights)，并将其与我使用 Fisher 检验计算的优势比进行比较。

from keras.models import Sequential 
from keras.layers import Dense, Activation 
from keras import layers

class logit:
def lg_keras(self,input_dim,output_dim,ep,X,y):
    model = Sequential() 
    model.add(Dense(output_dim, input_dim=input_dim, activation='sigmoid')) 
    model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy']) 
    model.fit(X, y, nb_epoch=ep, verbose=0) 
    print("Done")
    return model

我的问题是当我从 Keras 模型中提取权重时。我希望为单个输出节点只获得一个权重，但我收到了两个。下面是代码和输出。

model = lgd.lg_keras(X.shape[1], y.shape[1],20,X,y)
for layer in model.layers:
    weights = layer.get_weights() # list of numpy arrays
print(weights)

[数组([[-0.00019858]], dtype=float32), 数组([-0.06999612], dtype=float32)]

这两个权重值是干什么用的？

【问题讨论】：

标签： python tensorflow keras logistic-regression

【解决方案1】：

我想我已经找到了自己问题的答案。第一个数字/数组用于权重项，第二个数组用于偏置项。因为如果我在特征表中添加两列，那么我会在权重数组中得到两个值，而偏差数组中只有一个值，这是有道理的。

【讨论】：