keras - ケラスでラベルパワーセットを使用するときにエポックとバッチサイズを渡す方法

Question

マルチラベルの問題があり、いくつかの調査により、Label powerset を ML アルゴリズムと組み合わせて使用​​することができました。今、ニューラル ネットワークで Label powerset を使用したいのですが、公式 Web サイトに従って、 Label powerset を使用できます。しかし、Label Powerset を使用できるように既存のコードを変更する方法を理解できません。

モデルの fit 関数で渡される epoch または batch_size またはその他のパラメーターを渡す方法を知りたいです。

マルチラベルの問題があるため、sklearn の MultiLabelBinarizer を使用したので、各ターゲット行は [1,0,0,1,0,0,0,0,0,0,0,0] のようになります。

最後に、下の行の KERAS_PARAMS と Keras() とは何かを誰かが説明してくれたら:

def create_model_multiclass(input_dim, output_dim):
    # create model
    model = Sequential()
    model.add(Dense(8, input_dim=input_dim, activation='relu'))
    model.add(Dense(output_dim, activation='softmax'))
    # Compile model
    model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
    return model
clf = LabelPowerset(classifier=Keras(create_model_multiclass, True, KERAS_PARAMS), require_dense=[True,True])
clf.fit(X_train,y_train)
y_pred = clf.predict(X_test)

以下は私の既存のニューラルネットワークコードです

cnn_model = Sequential()
cnn_model.add(Dropout(0.5))
cnn_model.add(Conv1D(25,7,activation='relu'))
cnn_model.add(MaxPool1D(2))
cnn_model.add(Dropout(0.2))
cnn_model.add(Conv1D(25,7,activation='relu'))
cnn_model.add(MaxPool1D(2))
cnn_model.add(Flatten())
cnn_model.add(Dense(25,activation='relu'))
cnn_model.add(Dense(12,activation='softmax'))
cnn_model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['acc'])
history = cnn_model.fit(X_train, y_train, validation_data=(X_test,y_test), batch_size=32, epochs=180,verbose=1)
plot_history(history)
predictions = cnn_model.predict(X_test)

出力行を [1,0,0,1,0,0,0,0,0,0,0,0] のみのように見せたいのですが、後でこれの逆変換に MultiLabelBinarizer を使用します。