- Este tópico contém 4 respostas, 2 vozes e foi atualizado pela última vez 1 ano, 11 meses atrás por
.
- Posts
Para um problema de classificação não binária, quais os parâmetros da rede neural eu preciso alterar? Por exemplo, a função de ativação na camada de saída para problemas binários é a sigmoide e para a classificação não binária? Estou com muita dúvida pra fazer a implementação da rede neural pra várias classes
Olá Matheus,
Para uma classificação não binária (ou seja, para múltiplas classes) é utilizada a função de ativação softmax. Já se for classificação multi-label (o que significa que um mesmo pode pertencer a 2 classes distintas ou mais) então a função permanece a sigmoide.
Olá, verifique se está fazendo certo o processamento dos seus dados, eles estão incompatíveis com o shape que você definiu ali. Não sei se você está usando algum tutorial de referência ou se está tentando por conta própria mas é bom só revisar essa parte, até porque dependendo como for vai ser necessário fazer umas mudanças na declaração do modelo. Tem que ver se foi o reshape corretamente, pois como pode ver ali na mensagem de erro, há essa discrepância em relação ao que você definiu já que o esperado seria 28×28 e não 784 (28×28).
Se realmente estiver certo o pré-processamento, outra solução poderia ser passar para a função Dense o shape do input do modelo para ser o numero do shape do set, tipo assim:
input_shape=(x_train.shape[1]) (isso você adicionaria entre o primeiro e o segundo parâmetro do tf.keras.layers.Dense)
- Você deve fazer login para responder a este tópico.