Sigmoid 作为 LSTM 中的最后一层答案

【问题标题】：Sigmoid as a last layer in LSTMSigmoid 作为 LSTM 中的最后一层
【发布时间】：2021-07-29 18:17:12
【问题描述】：

我有一个带有 LSTM 的分类 (Keras)，用于将 4 个属性标记为 2 个类（安全和不安全）的数据集。将 sigmoid 放在最后一层，我得到了 98% 的准确率，而不是 softmax。我的问题是：
1）如果我在最后一层使用 Softmax：在 Softmax 基于 2 个神经元作为其他代码末尾的输出，我可以比较分数并说出数据属于哪个。例如 score_safe= 1.2945 和 score_unsafe= -9.0 那么我可以说这行数据集属于安全类。 2）如果我在最后一层使用 Sigmid：然后我只需要将一个神经元作为输出，我如何比较分数以及如何判断这行数据集属于哪个类？

model = Sequential()
model.add(LSTM(256, input_shape=(x_train.shape[1:]), activation='tanh', return_sequences=True))
#model.add(BatchNormalization())
model.add(Dense(128, activation='tanh'))
#model.add(BatchNormalization())
model.add(Dense(128, activation='tanh'))
model.add(Dense(1, activation='sigmoid'))

【问题讨论】：

标签： python keras deep-learning softmax sigmoid

【解决方案1】：

sigmoid 的输出是一个介于 0. 和 1 之间的浮点数。

通常情况下，如果输出低于 0.5，则模型将被分类为第一类（无论哪个类在您的数据集中表示为 0）。如果输出高于 0.5，则模型将分类为第二类（在您的数据集中表示为 1）。

可以改变 0.5 的阈值以引入对某一类或另一类的偏见。

【讨论】：