我正在尝试将一些旧代码从使用sklearn转换为Keras实现。由于保持相同的操作方式至关重要,我想知道我是否做得正确。
我已经转换了大部分代码,但是我在将sklearn.svm SVC分类器转换时遇到了问题。以下是当前的代码:
from sklearn.svm import SVC
model = SVC(kernel='linear', probability=True)
model.fit(X, Y_labels)
非常简单,对吧。但是,我在Keras中找不到SVC分类器的类比。因此,我尝试了这个:
from keras.models import Sequential
from keras.layers import Dense
model = Sequential()
model.add(Dense(64, activation='relu'))
model.add(Dense(1, activation='softmax'))
model.compile(loss='squared_hinge',
optimizer='adadelta',
metrics=['accuracy'])
model.fit(X, Y_labels)
但是,我认为这绝不是正确的。你能帮我在Keras中找到一个替代sklearn中的SVC分类器吗?
谢谢。