In precedenza, hai trovato modelli di classificazione binari in grado di scegliere tra una delle due possibili opzioni, ad esempio se:
- Un'email specifica è spam o non spam.
- Un determinato tumore è maligno o innocuo.
In questo modulo analizzeremo la classificazione multi-class, che può scegliere tra più possibilità. Ad esempio:
- Questo cane è un beagle, un cucciolo o un segugio?
- Questo fiore è un diaframma siberiano, iris olandese, diaframma blu o diaframma barba?
- È in volo un Boeing 747, Airbus 320, Boeing 777 o Embraer 190?
- È un'immagine di una mela, un orso, una caramella, un cane o un uovo?
Alcuni problemi con più classi reali richiedono la scelta di milioni di classi separate. Ad esempio, prendi in considerazione un modello di classificazione multi-classe in grado di identificare l'immagine di qualsiasi argomento.
Reti neurali multiclasse
Hai più di due corsi?
- La regressione logistica fornisce probabilità utili per problemi di classe binaria.
- spam / non spam
- clic / non clic
- E per quanto riguarda i problemi di più classi?
- mela, banana, auto, cardiologo, ..., segno di camminata, zebra, zoo
- rosso, arancione, giallo, verde, blu, indaco, viola
- animale, verdura, minerale
Multi-classe universale
- Crea un output univoco per ogni possibile classe
- Addestralo con l'indicatore "della mia classe" rispetto a "tutte le altre classi"
- Puoi farlo in una rete profonda o con modelli separati
Multiclasse SoftMax
- Aggiungi un vincolo aggiuntivo: richiedi l'output di tutti i nodi one-v-all per sommare a 1.0
- Il vincolo aggiuntivo aiuta l'addestramento a convergere rapidamente
- Inoltre, consente di interpretare gli output come probabilità
Quando utilizzare
- Classificazione con più etichette e una singola classe:
- Un esempio può essere membro di un solo corso.
- Il vincolo che le classi si escludono a vicenda è una struttura utile.
- È utile codificarlo nella perdita.
- Utilizza una sola perdita softmax per tutte le classi possibili.
- Classificazione con più etichette e multi-classe:
- Un esempio può essere membro di più di una classe.
- Nessun vincolo aggiuntivo da utilizzare per l'iscrizione a corsi.
- Una perdita di regressione logistica per ogni possibile classe.
Opzioni SoftMax
- Full SoftMax
- Forza bruta; calcola per tutte le classi.
Opzioni SoftMax
- Full SoftMax
- Forza bruta; calcola per tutte le classi.
- Campionamento candidati
- Esegue il calcolo per tutte le etichette positive, ma solo per un campione casuale di valori negativi.