Привет Девз,
Это мой второй пост, используя KERAS для машинного обучения. На этот раз это следующий урок в книга для Классификация мультикласс Отказ Этот пост в значительной степени похож на Последнее сообщение Единственное отличие состоит в том, что я пытался поставить некоторое объяснение на следующей диаграмме, которую, я надеюсь, сделает вас/или мной в будущем, почему были разделены данные, и что такое одно горячее кодирование. 😊
Что такое многоклассная классификация?
Классификация многоцветных или более конкретно в этом случае Одиночная этикетка Классификация MultiClass позволит вам поставить образец в одну категорию из многих, то есть. Это расширение бинарной классификации.
Например: фильм может быть хорошим или плохим, который является двоичным, однако это жанр может быть одной этикеткой из нескольких жанров, например, это может быть: Ужас из [триллера, романтики, драмы, действия, приключения]
Что такое одно горячее кодирование?
Диаграмма показывает вам, как вы представляете один ярлык в качестве массива, длина которой является количество меток, и что мой товарищ Devs одна горячая кодировка. Каждый образец может лежать только в одной из 46 категорий этикеток или темы, чтобы быть точными.
46 этикетки? Как бы это повлияло на нейронные сети?
Хороший вопрос! На этот раз вместо 16 единиц в скрытом слое мы будем использовать 64 единицы. Почему? ты спрашиваешь… потому что последний раз У нас были только 2 ярлыки (положительные или отрицательные настроения), однако на этот раз у нас есть 46 тем и до Не бросать Любая информация из 46 массива размера нам нужен еще больший входной стек И поэтому мы используем 64 единичный слой для ввода и мощностью 46 единиц для вывода.
Это упражнение основано на классификации новостей Reuters в этикетки, а по какой-то причине я не могу найти текст метки! 😅
Источник – здесь Отказ Наслаждаться!
Оригинал: “https://dev.to/hydroweaver/single-label-multiclass-classification-using-keras-45jl”