多分类 & 多标签 准确度计算

本文探讨了多类分类与多标签分类的区别。在多类分类中,每个样本只属于一个类别,通常使用softmax损失函数;而在多标签分类中,每个样本可以有多个相关类别,常采用sigmoid损失函数进行计算。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

多标签 V/S 多分类

多类分类(Multiclass classification):表示分类任务中有多个类别, 比如对一堆水果图片分类, 它们可能是橘子、苹果、梨等. 多类分类是假设每个样本都被设置了一个且仅有一个标签: 一个水果可以是苹果或者梨, 但是同时不可能是两者

  1. 每个实例仅分配一个类别
  2. 使用softmax系列损失函数
    softmax是张量中向量与向量间的运算。其中labels参数的shape=(None,num_classes),即one-hot表示。输出是shape=(None,)的交叉熵向量,即None个概率向量对的交叉熵构成的向量。

多标签分类(Multilabel classification): 给每个样本一系列的目标标签. 可以想象成一个数据点的各属性不是相互排斥的(一个水果既是苹果又是梨就是相互排斥的), 比如一个文档相关的话题. 一个文本可能被同时认为是宗教、政治、金融或者教育相关话题.
1. 每个实例可以分配多个类别
2. 使用sigmoid系列损失函数
sigmoid是张量中标量与标量间的运算。求的是两点分布B(1,z)和两点分布B(1,

评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值