이진 분류 작업이 있다고 가정 해 봅시다.이 작업을 수행 할 신경망을 작성합니다. 두 가지 프레임 워크가 있습니다. 첫 번째는 네트워크가 클래스 중 하나에 속할 가능성을 나타내는 하나의 출력 단위를 가지므로 이진 교차 엔트로피를 사용하여 손실을 계산할 수 있으며, 두 번째 네트워크는 두 가지입니다 출력 단위는 두 클래스에 속한 확률을 나눠서 나타내며, softmax 교차 엔트로피를 사용하여 손실을 계산할 수도 있습니다. 첫 번째 옵션을 사용하라는 제안이 있습니다. 두 가지 옵션의 장점과 단점은 무엇이며, 두 번째 프레임 워크를 선택하면 가장 어려운 문제는 무엇입니까? 누구든지이 사실을 나에게 자세히 설명 할 수 있습니까? 미리 감사드립니다.이진 분류 네트워크에서 출력 단위 및 손실 함수의 수
0
A
답변
0
하나의 출력 장치를 사용하는 경우 엄격하게 두 클래스 중 하나를 선택한다는 것을 이해해야합니다. 확률이 충분히 높으면 네트워크가 클래스 A를 선택합니다. 그렇지 않으면 클래스 B를 선택합니다. 출력 유닛이 두 개인 경우 네트워크가 두 유닛 모두 낮은 확률로 생성 될 수 있으므로 A 나 B로 끝나지 않게됩니다. 네트워크를 통해 모델링하려는 실제 시스템이 무엇인지에 따라 이러한 두 가지 접근 방식 중 하나입니다.
관련 문제
- 1. TensorFlow의 이진 분류, 예상치 못한 큰 값의 손실 및 정확도
- 2. 픽셀 단위 분류/분류 작업에 가중치 사용의 예가 있습니까?
- 3. 무선 네트워크에서 패킷 손실 시뮬레이션
- 4. 분류 네트워크에서 단일 값 예측
- 5. NSTask 및 FFMpeg 출력 손실
- 6. TensorFlow : 이진 분류 정확도
- 7. 간단한 이진 텍스트 분류
- 8. weighted_cross_entropy_with_logits에 대한 TensorFlow의 이진 분류
- 9. caffe 픽셀 단위 분류/회귀
- 10. 신경망으로 이진 분류?
- 11. 이진 분류 그룹으로
- 12. Tensorflow의 이진 논리 손실
- 13. VLfeat 이진 분류
- 14. 손실 출력 없음
- 15. Verilog 입력 및 이진 출력
- 16. 분류 자의 출력 그래프
- 17. 분류 단위 테스트는 어떻게합니까?
- 18. nnet 함수의 출력 이해하기
- 19. Keras 이진 분류 스쿼시가 0/1로 출력됩니다.
- 20. NN 분류 출력 확률입니까?
- 21. OpenNLP 분류 출력
- 22. 네트워크 출력 분류
- 23. 웹 페이지에 대한 이진 분류
- 24. Frac 함수의 정밀도가 손실 됨
- 25. 내 함수의 출력 CONV2() 출력
- 26. 스탠포드 nlp 분류 자의 출력
- 27. keras cnn 네트워크에서 예상되는 출력 치수
- 28. Windows의 이진 출력
- 29. 이진 데이터 출력 및 입력 C
- 30. 손실 함수는 다음과 같이 나는 손실 함수의 RMSE를 정의하고 있습니다
답장을 보내 주셔서 감사합니다. @Alexey R. 저는 귀하의 요지를 이해하지 못합니다. 네트워크에도 y = [x1, x2]와 같은 2 개의 출력 단위가 있습니다.이 함수에 softmax 함수를 적용하여 확률을 구할 수 있습니다. 네트워크가 낮은 확률로 생성한다는 의미가 항상 사실이 아닙니다. 두 출력이 크게 다른 경우 한 클래스의 상대적으로 높은 확률을 얻을 수 있습니다. – Schaffer
그렇습니다.하지만 둘 다 낮 으면 어떻게 처리할까요? 하나의 출력 장치 네트워크에서는 이러한 문제가 발생하지 않습니다. –
이 상황에서는 네트워크가 클래스를 예측할 수 없다는 것을 나타냅니다. 이는 대략 0.5를 출력 할 때 하나의 출력 장치가있는 네트워크와 같습니다. – Schaffer