Daha önce, olası iki seçenekten birini seçebilen ikili sınıflandırma modelleriyle karşılaşmış olabilirsiniz. Örneğin:
- Belirli bir e-posta spam'dir veya spam değildir.
- Belirli bir tümör kötü huylu veya tehlikesizdir.
Bu modülde, birden çok sınıf sınıflandırmasını inceleyeceğiz. Bu sınıflandırma, birden çok olasılık arasından seçim yapabilir. Örneğin:
- Bu köpek bir tavşan, bir tazı mı yoksa tazı mı?
- Bu çiçek Sibirya Çiçekleri, Hollanda İrisleri, Mavi Bayrak İrisleri veya Cüce Sakallı İrisler mi?
- Boeing 747, Airbus 320, Boeing 777 veya Embraer 190 mı?
- Bu bir elma, ayı, şeker, köpek veya yumurta resmi mi?
Bazı gerçek sınıflı çok sınıflı sorunlar, milyonlarca ayrı sınıf arasından seçim yapmayı gerektirir. Örneğin, hemen hemen her şeyin görüntüsünü tanımlayabilen çok sınıflı bir sınıflandırma modeli kullanabilirsiniz.
Çok Sınıflı Nöral Ağlar
İkiden fazla sınıf mı var?
- Lojistik regresyon, ikili sınıf problemleri için faydalı olasılıkları sunar.
- spam / spam değil
- tıklama / tıklama
- Çok sınıflı sorunlar için durum nedir?
- elma, muz, araba, kardiyolog, ..., yürüyüş işareti, zebra, hayvanat bahçesi
- kırmızı, turuncu, sarı, yeşil, mavi, çivit, mor
- hayvan, sebze, mineral
Tek Sınıfla Çok Sınıflı
- Olası her sınıf için benzersiz bir çıkış oluşturun.
- Bunu "sınıfım" ve "diğer tüm sınıflar" gibi işaret sinyalleriyle eğitin
- Derin ağda veya ayrı modellerde yapabilir
SoftMax Çok Sınıflı
- Ek bir kısıtlama ekleyin: 1,0 değerindeki tüm düğümlerin çıkışını 1,0'a eşit olacak şekilde girin
- Ek kısıtlama, eğitimin hızlı bir şekilde birleşmesine yardımcı oluyor
- Ayrıca, çıkışların olasılık olarak yorumlanmasına olanak tanır
Ne zaman kullanılır?
- Çok Sınıflı, Tek Etiketli Sınıflandırma:
- Örneğin, yalnızca bir sınıfın üyesi olabilir.
- Derslerin karşılıklı olarak dışlandığı şeklinde bir kısıtlama faydalı bir yapıdır.
- Bunu kayıpta kodlamak için yararlıdır.
- Olası tüm sınıflar için tek bir softmax kaybı kullanın.
- Çok Sınıflı, Çok Etiketli Sınıflandırma:
- Birden fazla sınıfın üyesi olabilir.
- Çıkarılacak sınıf üyeliğiyle ilgili ek kısıtlamalar yoktur.
- Olası her sınıf için bir lojistik regresyon kaybı.
SoftMax Seçenekleri
- Tam SoftMax
- Kaba kuvvet; tüm sınıflar için hesaplama yapar.
SoftMax Seçenekleri
- Tam SoftMax
- Kaba kuvvet; tüm sınıflar için hesaplama yapar.
- Aday Numunesi
- Pozitif etiketlerin tümünün hesaplanması, ancak yalnızca rastgele negatiflerin bir örneği için hesaplanır.