多输出分类的类权重
是指在多标签分类问题中，为每个类别分配一个权重，用于衡量该类别在模型训练和预测中的重要性。在多输出分类中，每个样本可以属于多个类别，而不仅仅是单个类别。
类权重可以用于平衡不同类别之间的重要性差异。在某些情况下，某些类别可能比其他类别更重要，因此为这些类别分配较高的权重可以确保模型更加关注这些类别的预测准确性。
类权重的分配可以基于先验知识、数据分布或业务需求。一种常见的方法是根据类别在训练数据中的频率来分配权重，即较少出现的类别分配较高的权重，以便模型更好地学习这些罕见类别的特征。
在实际应用中，多输出分类的类权重可以用于各种场景，例如图像标注、文本分类、医学诊断等。通过合理分配类权重，可以提高模型对于不同类别的预测准确性，从而提升整体分类性能。
腾讯云提供了一系列与多输出分类相关的产品和服务，例如腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）、腾讯云自然语言处理（https://cloud.tencent.com/product/nlp）、腾讯云医疗影像智能分析（https://cloud.tencent.com/product/miia）等。这些产品和服务可以帮助用户进行多输出分类任务，并提供了丰富的功能和算法支持，以满足不同场景下的需求。
相关·内容
2回答
我有一个数据集(2598)，其中108个实例属于类1，87个实例属于类2，我需要将数据集中的所有rest实例归类为Class1或2，或者不属于此分类。使用Libsvm可以做到这一点吗，因为我正在使用Class1和Class2训练数据集，并且我需要找出哪些不属于这两个类。
在这方面一定要帮助我。
浏览 0提问于2013-12-11得票数 0
我已经实现了多类支持向量机的一对一方法。我想使用非标准支持向量机模型，这是提出的一种新的扩展，称为加权支持向量机。
你知道如何计算每个分类器λj的权重吗？
浏览 3提问于2017-10-22得票数 0
2回答
我正在处理一个3类0,1,2类和不平衡的类分布的分类问题，如下所示。
我想将XGBClassifier (在Python中)应用于这个分类问题，但是该模型不响应class_weight的调整并向多数类0倾斜，而忽略了少数类1、2。除了class_weight之外，还有哪些超参数可以帮助我？
我尝试过: 1)使用sklearn compute_class_weight计算类权重；2)根据类的相对频率设置权重；3)手动调整带有极值的类，以查看是否发生了任何更改，如{0:0.5,1:100,2:200}。但在任何情况下，它都无助于分类器考虑到少数群体的类别。
观测：
--我可以在二进制情况
浏览 16提问于2021-06-07得票数 11
回答已采纳
2回答
我正在尝试解决一个用于学术目的的文本分类问题。我需要将推文分类为“云”、“冷”、“干”、“热”、“湿”、“飓风”、“冰”、“雨”、“雪”、“风暴”、“风”和“其他”等标签。训练数据中的每个推文都有针对所有标签的概率。说这条消息“已经可以告诉你这将是一个艰难的得分的日子。现在和昨天下午一样有风。”有21%的几率是热的，79%的几率是风的。我一直致力于分类问题，它预测它是风还是热或其他。但在这个问题中，每个训练数据都有针对所有标签的概率。我之前使用过mahout naive bayes分类器，它对给定的文本采用特定的标签来构建模型。如何将这些不同标签的输入概率转换为任何分类器的输入？
浏览 3提问于2013-10-07得票数 0
1回答
多标号分类损失函数
、、、、
我在许多地方看到，对于使用神经网络的多标记分类，一个有用的损失函数是每个输出节点的二进制交叉熵。
在Tensorflow中，它看起来是这样的：
cost = tf.nn.sigmoid_cross_entropy_with_logits()
这提供了一个数组，其值与我们拥有的输出节点一样多。
我的问题是，这个成本函数是否应该与输出节点的数量相加？在Tensorflow中是这样的：
cost = tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logits())
还是每个损失都是独立处理的？
谢谢
浏览 0提问于2018-05-17得票数 4
回答已采纳
我用反向传播算法训练了一个神经网络。我手动运行网络30次，每次更改输入和期望的输出。结果是一个传统的分类器。
我尝试了三种不同的分类。由于我运行了网络30次，每个类有10个输入，我最终得到了3个不同的权重，但是相同的分类有非常相似的权重，误差很小。因此，该网络已经证明自己已经成功地学习了。
我的问题是，既然学习已经完成，而且我有3种不同类型的权重(每种分类一种)，我如何在常规的前馈网络中使用这些权重，以便它能够自动地分类输入。我搜索了一下，看看你是否能把重量平均下来，但是看起来这是不可能的。有些人提到了
我在反向传播学习过程中做错什么了吗？还是有一个额外的步骤，需要做后的学习过程，这些不同的权
浏览 7提问于2013-12-22得票数 0
回答已采纳
1回答
我正在使用dlib 19.6 c++进行对象检测，直到现在我还在使用如下所示的单一分类
，这些标签是使用dlib的imglab生成的。
为此，我使用。它工作良好，能够检测物体。
现在我已经定义了如下所示的多分类器。
钟2壶
那么，我如何使用/修改来训练数据。我知道如何测试图像，
std::vector<object_detector<image_scanner_type> > my_detectors;
my_detectors.push_back(detector1); // clock.svm
my_detectors
浏览 2提问于2017-11-07得票数 1
1回答
目前，我已经建立了一个系统，在那里我从旧的职位/类别中培训，并试图预测一个新的职位将是什么类别。我正在使用带有TfidfVectorizer和LinearSVC的管道来训练数据集并将其存储在泡菜中，然后通过加载该泡菜并使用加载的泡菜中的predict对新的帖子进行分类来处理新的帖子。目前，我正在与几个标签，我不知道为什么。
我希望提供一些输出，说明在每个分类标签的新帖子中触发了哪些单词，以便我能够理解为什么在根据培训集对新数据进行分类时选择某个标签，但我无法找到这样做的方法。
我知道我可以在培训时输出向量器中的顶级特性，但是如何才能从本质上输出为什么选择某个标签而不是另一个标签的原因呢？
浏览 8提问于2016-08-02得票数 1
回答已采纳
我需要一个支持向量机作为多标签分类器，所以我决定使用OneVsRestClassifier包装器。然而，出现了训练集变得高度不平衡的问题:对于给定的类，负面示例比正面示例多得多。这可以通过class_weight参数来解决，但是如果我在包装在OneVsRestClassifier中的分类器中使用它，我会得到一个错误：
from sklearn.svm import LinearSVC
from sklearn.multiclass import OneVsRestClassifier
weights = {'ham': 1, 'eggs': 2}
svm =
浏览 0提问于2013-04-18得票数 3
回答已采纳
基本上，我使用Tensorflow创建了一个LSTM模型，输入数据的形状类似于
(10000用户，6个时间步骤，20个特性列) => (10000,6, 20 )
该模型使用LSTM进行二进制分类，输出列为20列，形状为(10000，20)。
PS。我不是对20个类进行分类，而是对每个人进行20个二进制输出的分类
是否有可能对某些输出列进行优先级排序，例如比其他列更多地赋予某些列的权重或重要性，以便当我们对模型进行培训时，对这些更重要的输出列的错误预测会受到更大的惩罚，或者为这些重要列创建单独的模型是否更有意义？
浏览 2提问于2021-08-28得票数 0
xgboost分类器描述了参数scale_pos_weight在2类问题中的使用.
我有一个高度不平衡的数据集和3个类。类'1‘和'-1’是非常罕见的(约1%的数据集)，类'0‘是非常常见的。
对于我的分类问题，如何正确地在xgboost分类器中设置这个scale_pos_weight参数？
浏览 0提问于2019-01-01得票数 6
我正在处理一个不平衡的数据集，所以我决定使用加权字典进行分类。
文档指出，必须定义一个权重块，如下所示：https://imbalanced-learn.org/stable/generated/imblearn.ensemble.BalancedRandomForestClassifier.html
weight_dict = [{0: 1, 1: 1}, {0: 1, 1: 5}, {0: 1, 1: 1}, {0: 1, 1: 1}]
所以，因为我想预测12个类，它们位于最后一列。我想这个场景应该是：
weight_dict = [{0: 1, 1: 5.77390289e-0
浏览 0提问于2020-10-18得票数 0
回答已采纳
1回答
我在二进制分类模型中使用catboost分类器，其中我有一个高度不平衡的数据集0 -> 115000和1 -> 10000。请有人指导我如何在分类器中使用以下参数：
scale_pos_weight？class_weights
从文档中，我的印象是，我可以使用负类和比的正类之和，即115000/10000=11.5作为scale_pos_weight的输入，但我不确定。
请让我知道这两个参数的确切值和导出该值的方法？
谢谢
浏览 3提问于2020-01-15得票数 1
回答已采纳
我正在用sklearn.tree.DecisionTreeClassifier训练三级分类问题.
以下列出3个班的记录数：
A: 122038
B: 43626
C: 6678
当我训练分类器模型时，它无法学习这个类- C。虽然效率达到65%-70%，但它完全忽略了C级。
然后，我开始了解class_weight参数，但我不知道如何在多类设置中使用它。
下面是我的代码：(我使用了balanced，但它提供了更低的准确性)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=1
浏览 4提问于2020-06-25得票数 3
回答已采纳
我有一个电子商务网站的多类分类问题，有近2000个类别。类别涉及时尚、电子产品、家电等，其中一些类别彼此密切相关。例如，考虑成对的:电动搅拌机，食品处理机等。为此，我正在训练一个多类一对一分类器。我的问题是，我如何将这些信息传递给分类器，以便在密切相关的对中进行错误分类是可以的？
浏览 2提问于2020-01-09得票数 0
1回答
我在做多类-多标签分类。也就是说，对于每个示例，我都有完全独立的N_labels标签，而每个标签可能有不同的N_classes值(相互排斥)。更具体地说，每个示例都是按N_labels-dimensional向量分类的，而每个向量组件可以从集合{0, 1, ..., N_classes}中分类。
例如，如果是N_labels = 5和N_classes = 3，那么每个示例都可以通过以下标记进行分类：
[2, 1, 0, 0, 1], [0, 0, 2, 2, 1], [0, 0, 0, 0, 0]
此外，对于每个标签，我在不同的类之间存在很大的不平衡，即90%的训练集中的示例属于set 0。
浏览 1提问于2019-03-26得票数 1
回答已采纳
我需要实现一个多类文本分类器。我想使用word2vec，有没有人能帮我找到好的论文/资源来讨论这个。我会有4-5个类，我有大量的数据。我不得不手动标记其中的一些。如果有人能提供训练规模，那就太好了。我计划使用预先训练好的word2vec来嵌入单词。
浏览 19提问于2017-03-16得票数 0
1回答
我面临着一个文本分类问题，我需要将示例分类到34个组。
问题是，34组训练数据的大小是不平衡的。对于某些组，我有2000+示例，而对于某些组，我只有100+示例。
对于一些小群体，分类精度相当高。我猜这些群体可能有特定的关键字来识别和分类。而对于一些人来说，准确率很低，而且预测总是针对大型群体。
我想知道如何处理“低频示例问题”。简单地复制和复制小组数据会起作用吗？或者我需要选择训练数据并扩展和平衡数据大小？有什么建议吗？
浏览 2提问于2013-07-12得票数 3
回答已采纳
1回答
我在jupyter笔记本上有一个NN模型：
b = tf.Variable(tf.zeros([target_count]))
W = tf.Variable(tf.zeros([feature_count, target_count]))
y = tf.nn.softmax(tf.matmul(x,W) + b)
cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y),
reduction_indices=[1]))
correct_prediction = tf.equal(tf.argmax(y,1), tf.argma
浏览 0提问于2018-02-01得票数 0
1回答
我对二元和多类神经网络分类之间的区别感到困惑。如果我编写的算法有两个输出类(奥巴马或罗姆尼)，但不是是或否(所以不像奥巴马或奥巴马)，那么它是二元神经网络还是多类(2类)神经网络分类？
我所知道的是:二元神经网络分类输出一个单元。如果一个多类分类神经网络有k类，那么它就有k个输出。
我的想法是：
我认为这是一种二元神经网络分类，因为我实际上只想输出一件事，无论是一个县投票给罗姆尼还是奥巴马。我很困惑，因为我认为二进制更像是罗姆尼，而不是罗姆尼的分类，我不确定这是否和罗姆尼或奥巴马一样。只是想再查一遍，澄清我的理解。
浏览 0提问于2015-12-24得票数 1
回答已采纳
许多论文和书籍都说，带有随机不等式的sigmoid激活函数容易消失/爆炸梯度，因此最好使用LeakyRelu、Elu或Relu。这是否意味着我们也应该在二进制分类的最后一层使用它们？
浏览 0提问于2022-08-08得票数 0
回答已采纳
1回答
用单个分类器将多标签问题建模为多类问题的缺点是什么？
让我澄清我的意思。
至少有两种方法可以将一个多标签问题转化为一个单分类器的多类问题(假设我们的问题上有N个标签)：
1)
为标签的powerset的每个元素创建一个类。
因此，每个标签组合的每个元素。
在这种情况下，输出向量将具有2^N长度。
2)
有一个N长度的输出向量(向量的每个元素都是一个标签)，但是这个问题将被视为一个分类器的多类问题。
在本例中，假设输出概率大于0.2的类将被视为此实例/观察的类/标签。
显然，所有类的输出概率之和应为1。
在每一种情况下，将多标签问题转化为多类问题意味着什么？
浏览 0提问于2019-07-22得票数 3
我正在尝试结合使用scikit-learn GridSearchCV和XGBoost XGBClassifier包装器来解决不平衡的多类分类问题。到目前为止，我使用了一个类权重列表作为scale_pos_weight参数的输入，但这似乎不起作用，因为我对多数类的所有预测都是如此。这可能是因为在XGBClassifier的文档中提到scale_pos_weight只能用于二进制分类问题。 因此，我的问题是，如何使用scikit learn GridSearchCV为多类分类任务输入样本/类权重 我的代码如下： import numpy as np
import xgboost as xgb
f
浏览 61提问于2019-01-11得票数 2
我正在尝试在MATLAB中建立一个二进制分类的决策树。我为每个实例提供了4个功能。正类中约有25,000个实例，负类中约有350,000个实例。
我尝试过在分类学习应用程序中和使用fitctree构建分类器，但两者似乎都只是将所有内容都标识为负面类。我猜MATLAB正在构造树，以产生最高的“准确性”。
有没有一种方法可以将决策树构建成更敏感的模型？(也就是说，除了“准确性”，我是否可以使用fitctree来构建灵敏度为70/80/90%或灵敏度和特异度相似的模型？)
浏览 1提问于2018-02-16得票数 1
2回答
我正在构建一个随机森林分类模型，响应变量split为98%(False)-2%(True)。为此，我使用Scikit Learn的RandomForest分类器。
处理这种不平衡数据并避免过度采样的最佳方法是什么？
浏览 1提问于2016-03-29得票数 2
1回答
我正在做时间序列图像分类，我需要在每个时间步(多对多)输出一个分类。
我的Tensorflow图采用了Batch size，Time step，Image，并实现了一个深度CNN-LSTM，目前它在分类之前是一个时间分布的密集层。
在我之前的工作中，我通过加权时间步长的隐藏状态，成功地将注意力添加到更好的模型时间依赖性上。但是，我找不到任何尝试在多对多RNN中使用注意力的实现。
我尝试了下面的代码，它可以编译和运行，但比没有运行的模型性能更差。这里的想法是学习每个步骤的注意力权重，以基于当前时间步长对每隔一个时间步长进行加权。我有780万个训练样本，所以我不担心这是过度拟合-事实上，它增加了训
浏览 58提问于2019-03-19得票数 1
2回答
首先，我告诉你我的问题和情况。我想在链子中做多标签分类，我的班级不平衡问题很严重。
在这种情况下，为了计算损失函数，我必须对向量进行切片，例如，在多标签分类中，地面真值标号向量多数为0，其中只有少数元素是1，在这种情况下，直接使用F.sigmoid_cross_entropy应用所有的0/1元素可能导致训练不收敛，所以我决定使用[xx，xxx，.，xxx]片(a是最后一个FC层输出的chainer.Variable )切片特定元素来计算损失函数。在这种情况下，由于标签的不平衡可能会导致稀有类的低分类性能，所以我想在反向传播过程中设置稀有gt-标签变量高的丢失权，但是设置主标签(在gt中出现的太
浏览 1提问于2017-10-09得票数 0
回答已采纳
我想问一个受过训练的模特的可能结果。假设我想对法拉利的两个不同模型进行分类，而这两个模型的数据集很小(例如，每个模型有几百幅图像)。
在Keras博客中，讨论了这个问题，但在示例中，它们对狗和猫进行了分类，这两个类非常通用，它们之间非常不同，而且在原始imagenet模型中已经包含了许多猫和狗(假设汽车/总线/卡车不包括在imagenet输出类中)。
从Coco/Imagenet权重开始训练模型，还是使用以前训练过的模型的权重来对汽车进行分类，会更好吗？
浏览 0提问于2018-08-30得票数 1
我有一个多类分类问题，我正在尝试使用随机森林分类器。目标严重不平衡，具有以下分布-
1 34108
4 6748
5 2458
3 132
2 37
7 11
6 6
现在，我使用RandomForest分类器的"class_weight“参数，据我所知，与类关联的权重的形式为{class_label: RandomForest}。
所以，下面的方法是正确的：
rfc = RandomForestClassifier(n_estimators = 1000, class_weight = {1:0.784
浏览 0提问于2019-10-08得票数 1
1回答
新开发
最近，我使用OpenCV的MLP实现来测试它是否能够解决相同的任务。OpenCV能够对与我的实现相同的数据集进行分类，但无法解决我无法解决的数据集。这可能是由于终止参数(决定何时结束培训)。我在100,000次迭代之前停止了，MLP没有泛化。这次网络结构是400个输入神经元，10个隐神经元，2个输出神经元。
实现了多层感知器算法，并验证了该算法适用于异或逻辑门。对于OCR，我教网络正确分类“A”和“B”的字母，这些字母是用粗大的绘图工具(一种标记)画出来的。然而，当我试图教网络分类一个薄薄的绘图工具(铅笔)时，网络似乎被困在山谷中，无法在合理的时间内对字母进行分类。我用GIMP画的信也
浏览 3提问于2013-11-14得票数 1
回答已采纳
我正在研究一个不平衡的分类问题，我想使用Kappa作为我的评估指标。考虑到分类器接受权重(我已经给了它)，我应该仍然使用加权kappa还是只使用标准kappa？老实说，我不完全确定有什么区别。
model = CatBoostClassifier(
iterations = 1000,
learning_rate = 0.1,
random_seed = 400,
one_hot_max_size = 15,
loss_function = 'MultiClass',
eval_metric = 'WKappa',
浏览 0提问于2020-10-07得票数 2
我有一个用于分类的神经网络工作模型。目前，我已经应用交叉熵来计算测试结果(模型输出)和条件结果(真实输出)之间的误差。该模型用于二进制分类，但将被扩展为处理多个类。到目前为止，使用MATLAB中的交叉熵计算了误差：
err = sum( y.*log(h(x)) + (1-y).*log(1-h(x)) )
我希望模型的执行方式能够分类或检测更多的假阳性，然后是假阴性。我知道有所谓的混淆矩阵，在这里我可以指定所有内容，但我不知道这如何与错误计算相对应。(欢迎任何建议:)
干杯!
浏览 1提问于2013-10-24得票数 1
1回答
我希望使用Python 库来设置一个SciKit。然而，我面临的问题是，它不是一个简单的"n_outputs“分类。一些样本将有3个输出，一些4，一些5。我不知道最好的方法是把它传递给库。
我正在考虑使用输出的最大数量，并进行“无输出”分类。因此，如果我训练一个集，其中每一个样本被强制到5个输出，任何样本原本只有3个分类将改为5通过添加“无输出”分类。
你觉得这样行吗？还有其他方法来实现多输出决策树的可变输出数吗？
浏览 3提问于2015-05-19得票数 2
回答已采纳
我已经为我正在做的一个项目训练了许多Logistic回归模型。我已经使用coef属性获得了我的特性的系数。但是，由于我有四个不同的目标标签，输出由四组系数组成。
我已经确定这些集合中的每一个都是每个标签的二进制分类器。我怎样才能弄清楚每组地图的标签呢？
浏览 0提问于2018-03-19得票数 1
回答已采纳
1回答
我正在用Scikit学习和TensorFlow阅读优秀的手工机器学习，在第10章中，作者说：
对于输出层，softmax激活函数通常是分类任务的最佳选择(当类相互排斥时)。对于回归任务，您可以完全不使用激活函数。
我能想到的所有分类问题(二进制分类、图像分类等)都会产生相互排斥的类。
有人能给我举几个非相互排斥分类问题的例子吗？
浏览 0提问于2017-07-13得票数 0
回答已采纳
1回答
我有4个分类器可用(已经培训)，为4级分类问题。对于给定的数据集，我有每个分类器的输出，以及每个类的召回、精度和F1分数。
什么是最好的算法(或现有的算法)结合这些分类器的预测，得到一个单一的最终预测，考虑到一些分类器有更高的F1-分数比其他特定类别？
编辑
我的主要问题是一些分类器对于特定的类有更好的F1。
假设Classifier1 (C1)预测A类，A类的f1为0.90，Classifier2 (C2)预测B类，B类的f1为0.80。
我的第一个想法是选择基于较高C1的f1预测，但是如果我们也知道C2的A类f1分数为0.999会怎样呢？如果C2那么擅长预测A类(甚至比C1更好)，但没有预
浏览 1提问于2017-04-03得票数 0
我试图解决一个具有类不平衡的二进制分类问题。我有一个21万条记录的数据集，其中92 %的是0，和8%的是1s。我在python for random forests中使用random forests。
在构造分类器时，我看到了两个参数sample_weight和class_weight。我目前正在使用参数class_weight="auto"。
我用得对吗？class_weight和示例权重实际上是做什么的，我应该使用什么？
浏览 3提问于2016-01-07得票数 5
回答已采纳
1回答
考虑一个二进制分类场景，在这种情况下，True类(5%)与False类(95%)的平衡严重不足。我的数据集包含数字数据。我正在使用SKLearn并尝试一些不同的算法，如梯度增强分类器、随机森林分类器和支持向量分类器。由于不平衡方面，我在所有方法(fit、score、confusion_matrix等)中使用“confusion_matrix”，并将其填充到下面的权重数组中，这样，给出了一个值为20的真值，给出了一个值为1的假值。
sample_weight = np.array([20 if i == 1 else 1 for i in y_test])
这应该是为了“平衡”分类。这首先是正确
浏览 0提问于2022-01-14得票数 2
1回答
在Weka中，可以为实例设置不同的权重。每个实例的权重都会对分类器产生影响(分类器会考虑权重)。如果将实例的权重设置为0，则意味着忽略该实例。如果我将给定实例的权重设置为2，那么它就像过采样一样(2倍于同一个实例)。
我的问题是:如果我将负值设置为权重会发生什么？正如我检查过的那样，java没有崩溃(我只是使用了朴素的bayes)。但内部会发生什么呢？实例是被忽略了，还是正在发生其他事情？这对分类器有什么影响？如果它有影响，这是否适用于所有的分类器相同的方式或不同的分类器不同的行为？
浏览 0提问于2018-04-12得票数 1
回答已采纳
2回答
我是一个初学者，支持向量机，我已经成功地实现了一个类别的classification.Now，我想了解的多类分类，这是非常困惑的。
我浏览了，我希望得到完全相同的输出，但是链接没有一个使用windows.If的具体示例，任何人都可以在windows中为“一对一”、“一对一”的多类分类方法提供一个示例。
谢谢
浏览 0提问于2014-07-08得票数 0
回答已采纳
1回答
在多任务模型中计算样本权重的正确方法是什么？
具体来说，我有一个输出400个类多类分类，以及一个5类多标签分类的模型。所有的课程都是不成比例的，不平衡的。在没有样本加权的情况下，多类分类器的分类准确率达到90%以上，并且对多标签分类中的某些类有较好的AUC。目标是提高多标签分类任务中的一个类的性能。这门课相当不平衡。
我尝试的是在未设置感兴趣类时，将样本权重设置为固定值(例如，0.5)，在此情况下设置其他任意固定值(例如，2.5)。
浏览 0提问于2023-04-25得票数 0
1回答
我有一个神经网络模型(从零开始实现)，它给了我一些连续的输出，最后我使用了乙状结肠层将它转换成一个二进制分类器。但我最初的问题是多类问题。我尝试使用softmax层，但由于输出不是该格式的，所以无法将它应用到我的模型体系结构中(作为输出，我得到了一些连续值)。
因此，我意识到另一种方法是使用1对所有分类器，但我无法弄清楚如何将其放在二进制分类器之上。如果我的概念有点薄弱，请原谅我，但如果有人能在这方面帮助我，我真的很感激。
例如，如何在保持原有体系结构的同时，将二进制分类器转换为多类分类器，以及应该使用什么样的损失函数？这与二进制分类器损失函数不同吗？
提前谢谢。
浏览 0提问于2021-05-16得票数 1
1回答
在安德烈斯·吴( Andres NG)的课程中，输出4种不同分类的神经网络表示为：
在这个网络中有4层。是否需要4层才能实现多类分类，还是3层就足够了？
浏览 0提问于2016-04-24得票数 3
回答已采纳
在多分类SVC()中，对一对一分类器进行了训练.因此，总共应该有n_class * (n_class - 1)/2分类器。但是为什么clf.dual_coef_只返回(n_class - 1) * n_SV？那么，每行代表什么呢？
浏览 4提问于2014-04-02得票数 4
回答已采纳
1回答
我希望以一种特定的方式对我的多类分类输出变量进行编码，以考虑到重要性。我想在带有乙状结肠目标的NN中使用这个。
我对此有几个问题：
我怎么能用这种方式对我的类进行编码？
这不会改变问题从多类到多标签分类，对吗？
这是我所依据的论文的。下面是一个数字，表示从正常NN到它们的地址的变化：
浏览 2提问于2021-03-02得票数 0
我曾读过，在集成学习中，我们使用各种分类器的输出来更好地进行预测建模，但在Adaboost中，我们只使用一个分类器，使它成为一个强大的学习者，但它是集成学习的一部分。
浏览 0提问于2019-07-20得票数 0
2回答
我最近开始研究ANN，我一直在试图找出一些问题，我似乎找不到答案(可能是因为它太琐碎了，或者因为我在搜索错误的关键字。)
什么时候使用多个输出而不是单个输出？我想，在最简单的1/0分类中，使用“符号”作为输出激活函数是最容易的。但在哪种情况下，您使用多个输出？例如，如果你有一个多重分类问题，所以你想把某件事分类为，比如说，A，B或C，然后你为每个类选择了一个输出神经元？你如何确定它属于哪一类？
浏览 4提问于2013-10-25得票数 6
回答已采纳
首先，谢谢。
我在Python 3中使用Tensorflow 1.13，我尝试用4个类创建一个CNN分类器，一个热编码。然而，我需要它产生的洞察力实际上是发现类0或类3，如果它告诉我数据行属于第1或2类，那对我的目标没有多大帮助。sklearn classification_report的输出在下面，我希望在模型培训期间增加对0和3类的回忆。精确也很好。
precision recall f1-score support
0 0.13 0.42 0.20 1484
1
浏览 0提问于2019-06-21得票数 1
回答已采纳
1回答
我正在寻找OpenCV中的概率分类器，它在预测期间返回各种类的概率或隶属度值。我已经研究了支持向量机、神经网络和普通贝叶斯分类器(这是概率的)，但所有这些分类器都会为给定的输入返回离散的类。
例如，如果我有类{A，B，C}，如果我给出一个输入{X}，我需要这些类的成员资格值。比如A=0.2，B=0.1，C=0.7。现在，使用这些现有的分类器，我得到了一个离散的输出(例如- C)
干杯。
浏览 3提问于2013-04-27得票数 1
我正在为语言任务进行多类分类(4个类)，并使用BERT模型进行分类任务。我在跟踪。我的伯特精调模型返回nn.LogSoftmax(dim=1)**.**
我的数据非常不平衡，所以我使用sklearn.utils.class_weight.compute_class_weight来计算类的权重，并使用损失内部的权重。
class_weights = compute_class_weight('balanced', np.unique(train_labels), train_labels)
weights= torch.tensor(class_weights,dtype=to
浏览 6提问于2020-11-09得票数 9
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
