İkili bir sınıflandırma problemini çözerken, caffe'de iki olası yol olduğunu düşünüyorum.
Birincisi, bir çıkış birimi ile "SigmoidCrossEntropyLossLayer"
kullanıyor.
Diğer iki çıkış birimi ile "SoftmaxWithLossLayer"
kullanıyor. Sorum şu, bu iki yaklaşım arasındaki fark nedir?
Hangisini kullanmalıyım?
Çok teşekkür ederim! Eğer matematik biraz oynarsanızCaffe'de ikili sınıflandırma hakkında
3
A
cevap
1
, sen tek çıkışlı tahminlere "SigmoindWithCrossEntropy"
sonra, sınıf 0 için sınıfa 1 ve -0.5*x_i
için 0.5*x_i
için "SoftmaxWithLoss"
katman tutarları "Sigmoid"
tabakasının tahmin sınıf olasılık "yinelenen" olabilir x_i
. Bu yüzden, bu iki yöntemin, ikili çıktıları öngörmek için eşdeğer olarak görülebileceği söylenebilir inanıyorum.
İlgili konular
- 1. sınıflandırma için rasgele ormanı belirle
- 2. Başlangıç kaynakları/sınıflandırma algoritmalarına girişler
- 3. Alt Sınıflandırma Django ModelForms
- 4. VNFaceObservation öğesinden yüzleri sınıflandırma
- 5. SVM'de çok sınıflı sınıflandırma
- 6. css hakkında atalar seçiciler hakkında
- 7. Kurucular hakkında Java sınavı hakkında
- 8. Genel T türünden Sınıflandırma T
- 9. SKShapeNode'u Altyazı ile Alt Sınıflandırma
- 10. Scikit sınıflandırma raporunu nasıl çizilir?
- 11. UIControlEtkinlikler ve alt sınıflandırma UIControl
- 12. verilen model aşağıdaki koordinatları Sınıflandırma:
- 13. Monticello uzatma yöntemi sınıflandırma kuralları
- 14. Sınıflandırma için ASP.NET MVC kodu
- 15. Nümerik skaler türleri alt sınıflandırma
- 16. python sklearn plotting sınıflandırma sonuçları
- 17. Java Kaynak Dosyasından Sınıflandırma Ek Açıklamaları Al
- 18. Çok sınıflı sınıflandırma için Spark LogisticRegressionWithLBFGS kullanarak tahminlerin olasılığı
- 19. İkili dosya düzeni başvurusu
- 20. ruby'de ikili arama ağaçları
- 21. Unix'te paylaşılan kütüphaneler hakkında ikilem Dilim hakkında
- 22. Görüntülerin Bir Sınıflandırmasını Sınıflara Göre Sınıflandırma
- 23. RenderScript Hakkında
- 24. Ben mesela ikili sahip ikili bayt uzunluğu
- 25. @line'dan derleyici hakkında daha fazla bilgi istemek?
- 26. Ikili dosya
- 27. Sürüm ikili
- 28. Çok parametreli bir sınıflandırma örneği bildirimleri
- 29. Sınıflandırma Tek bir sınıfta hassas Optimizasyon?
- 30. SVM sınıflandırma hiper düzlemi nasıl çizilir?
Belki de bu kişi son katmanda daha az parametreye sahip olduğundan SigmoindWithCrossEntropy'yi kullanmalıdır? –
@whjxnyzh Bu ilginç bir husustur. Şahsen ben SoftmaxWithLoss'un lehindeyim. Eski alışkanlıkları sanırım ... – Shai
Teşekkür @Shai. Evet, SoftmaxWithLoss kafein için uygundur, AccuracyLayer kullanarak doğruluk elde edebiliriz. Ancak, AccuracyLayer'ı SigmoidWithCrossEntropy kaybıyla birlikte kullanamıyoruz çünkü bu sadece bir çıkışa sahip… Matematiksel olarak, bu iki kayıp işlevi aynıdır, aslında SoftmaxWithLoss ikili sınıflandırma yapılarak overparameterized. Http://ufldl.stanford.edu/tutorial/supervised/SoftmaxRegression/ “Lojistik Regresyon İlişkisi ” bölümüne bakın. –