MultiClass классификации и функция сигмовидной

Question

Say есть обучающий набор Y:

1,0,1,0 
0,1,1,0 
0,0,1,1 
0,0,1,0 

И функция сигмовидной определяются как:

В качестве функции сигмовидной Выходы значения между 0 и 1 означает ли это, что данные обучения и ценность, которые мы пытаемся предсказать, также должны находиться между 0 и 1?

Правильно ли использовать сигмоидную функцию для прогнозирования, когда значения тренировки не находятся между 0 и 1? :

1,4,3,0 
2,1,1,0 
7,2,6,1 
3,0,5,0 

Answer 1

Yes, it is perfectly valid have non binary features. 

Выход падает между 0 и 1 из-за характером sigmoid function, нет ничего, что останавливает вас от нон бинарного набора функций.

Прогнозы должны быть бинарными?

Yes, you can have multiclass logistic classification as well. 

Самый простой способ сделать это решает один-против-всех классификации проблемы, в которой вы тренируетесь один двоичный логистическую классификатор для каждого из знаков.

Например. если ваше пространство прогноза охватывает (1, 2, 3, 4), вы можете иметь 4 логистических классификатора.

Учитывая любую точку в тестовом наборе, вы можете присвоить ей ярлык, соответствующий наиболее достоверному классификатору (т. Е. Имеет самый высокий балл для этой контрольной точки).