При решении проблемы с двоичной классификацией, я думаю, что есть два возможных способа использования кофе.
Первый использует "SigmoidCrossEntropyLossLayer"
с одним выходом.
Другой использует "SoftmaxWithLossLayer"
с двумя выходными устройствами. Вопрос в том, какая разница между этими двумя подходами?
Какой я должен использовать?
Большое спасибо!О двоичной классификации в Caffe
3
A
ответ
1
Если вы играете немного с математикой, вы можете «дублировать» предсказанный класс вероятность "Sigmoid"
слоя 0.5*x_i
для 1-го класса и -0.5*x_i
для класса 0, то суммы "SoftmaxWithLoss"
слоя к "SigmoindWithCrossEntropy"
на Одновыходовые предсказаниях x_i
,
Поэтому я считаю, что можно сказать, что эти два метода можно рассматривать как эквивалентные для прогнозирования двоичных выходов.
Смежные вопросы
- 1. TensorFlow: точность двоичной классификации
- 2. TensorFlow для двоичной классификации
- 3. Объединение алгоритмов двоичной классификации
- 4. Использование LSTM для двоичной классификации
- 5. RNN для двоичной классификации последовательности
- 6. TensorFlow: использование F1_score в контексте двоичной классификации
- 7. Ошибка при использовании классификации в caffe
- 8. Использование sklearn prob_a для логистической двоичной классификации
- 9. CNN для двоичной классификации с использованием MatConvNet
- 10. Как использовать OpenCV RTrees для двоичной классификации?
- 11. Как рассчитать индекс GINI для двоичной классификации?
- 12. Храните текстовый набор данных для двоичной классификации
- 13. Как использовать гауссовский процесс для двоичной классификации?
- 14. Как изменить пороговое значение для двоичной классификации
- 15. Использование Caffe для классификации функций изображения «вручную»
- 16. с использованием SVM для двоичной классификации
- 17. Как выбрать сбалансированную выборку для двоичной классификации?
- 18. Можем ли мы использовать методы глубокого обучения в двоичной классификации?
- 19. о caffe python API
- 20. Большой О классификации
- 21. Поиск оптимальной функции с использованием регрессии Lasso в двоичной классификации
- 22. Ошибки компиляции кофейных классификации
- 23. TensorFlow: как реализовать функцию потери класса для двоичной классификации
- 24. Создание набора данных речи для двоичной классификации LSTM
- 25. Данные о дисбалансе для классификации
- 26. Как использовать более обобщенные таблицы при использовании Caffe для классификации
- 27. О аргументах двоичной функции в C++
- 28. глубокое обучение - ряд наивных вопросов о caffe
- 29. Решение о уменьшении размерности, классификации и кластеризации?
- 30. Подробная информация о кластеризации и классификации
Возможно, следует использовать SigmoindWithCrossEntropy, так как у этого есть меньше параметров на последнем слое? –
@whjxnyzh это интересное соображение. Лично я сторонник SoftmaxWithLoss. Старые привычки, я думаю ... – Shai
Спасибо @Shai. Да, SoftmaxWithLoss удобен в caffe, мы можем получить точность с помощью AccuracyLayer. Но мы не можем использовать AccuracyLayer с потерей SigmoidWithCrossEntropy, так как у этого есть только один выход ... Математически эти две функции потери одинаковы, на самом деле SoftmaxWithLoss переопределен с выполнением двоичной классификации. См. Http://ufldl.stanford.edu/tutorial/supervised/SoftmaxRegression/ «Связь с логистической регрессией ». –