- Este tópico contém 1 resposta, 2 vozes e foi atualizado pela última vez 2 anos, 11 meses atrás por .
Visualizando 2 posts - 1 até 2 (de 2 do total)
Visualizando 2 posts - 1 até 2 (de 2 do total)
- Você deve fazer login para responder a este tópico.
Home › Fóruns › Fórum Redes Neurais Artificiais em Python › Classificação de rede com multi inputs e multi outputs
Marcado: Redes neurais com scikit-learn
É possível usar esse MLPClassifier para uma rede com múltiplas entradas e saídas? Por exemplo, vou fazer uma soldagem, e de entrada forneço tensão, corrente, espessura e de saída eu quero prever qual altura e qual largura da solda.
Eu até tentei mas teve o erro: Multioutput target data is not supported with label binarization
Seria interessante exemplos com mais entradas e saídas, pois se fosse apenas uma saída seria melhor uma regressão mesmo.
Olá Vinícius, segue a resposta do instrutor Denny:
Acredito que só faltou converter sua variável y usando o LabelEncoder:
from sklearn.preprocessing import LabelEncoder
y_encoded = LabelEncoder().fit_transform(y)
model = MLPClassifier()
model.fit(X, y_encoded)
O Sklearn até aceita y sem passar por LabelEncoder, mas só para problemas binários. Eu testei o método acima com um dataset com y numérico e deu certo.