Keras：使用hinger或分类铰链实现SVM？

我有一个层神经网络做一些事情，我想在最后一个支持向量机。我在Google上搜索了stack exchange，它似乎很容易在keras中使用损失函数铰链或分类铰链实现。然而，我不知道该用哪一个

我的示例将被分类为一个二进制类，类0或类1。因此，我可以通过以下方式进行：

方法1（使用铰链）或（使用分类铰链）：

标签的形状为（，2），值为0或1表示它是否属于该类

nb_classes = 2
model.add(Dense(nb_classes), W_regularizer=l2(0.01))
model.add(Activation('linear'))

model.compile(loss='hinge OR categorical_hinge ??,
              optimizer='adadelta',
              metrics=['accuracy'])

那么该类是两个输出节点中具有较高值的节点

方法2（使用铰链）：

第一位评论者提到，铰链应该是二进制铰链，对于“否”或“是”，标签必须是-1或1，最后一个SVM层的激活应该是tanh，只有1个节点。 所以它看起来应该是这样的，但是标签将是（，1）形状，值为-1或1

model.add(Dense(1), W_regularizer=l2(0.01))
model.add(Activation('tanh'))

model.compile(loss='hinge',
              optimizer='adadelta',
              metrics=['accuracy'])

---

那么，哪种方法是正确的或更可取的呢？我不确定该使用什么，因为在线上有多个答案，而且keras文档中没有关于铰链和分类铰链损失函数的任何内容。谢谢大家!

可能有点晚了，但这是我的答案

您可以通过多种方式执行此操作：

因为你有两个类，这是一个二进制问题，你可以使用正常的铰链。 架构只需要输出1个输出-1和一个，如您所说

您也可以使用最后一层的输出2，您只需输入标签的一个热编码，然后使用分类铰链

根据激活，一个线性层和一个tanh都将生成一个SVM，tanh将被平滑

---

我建议将其设置为二进制，并使用tanh层，但尝试这两种方法看看效果如何

你发现上面哪种方法对二元古典小说更有效了吗？