Machine learning 关于Caffe中的二元分类

在解决二进制分类问题时，我认为在caffe中有两种可能的方法。
第一个用于一个输出单元。
另一个用于两个输出单元。 我的问题是这两种方法有什么区别？
我应该使用哪一个？

---

多谢各位

如果你稍微玩弄一下数学，你可以“复制”类1的

“Sigmoid”

层的预测类概率为

0.5*x_i

，类0的

-0.5*x_i

，那么

层的“SoftmaxWithLoss”

相当于

“SigmoidWithCrossEntropy”

关于单输出预测

x_i

---

因此，我相信这两种方法可以被视为预测二进制输出的等效方法。

也许应该使用SigmoidWithCrossEntropy，因为这一种在最后一层的参数较少？@whjxnyzh这是一个有趣的考虑。就个人而言，我支持SoftmaxWithLoss。我想是旧习惯吧……谢谢@Shai。是的，SoftmaxWithLoss在caffe中很方便，我们可以使用AccuracyLayer获得精度。但是我们不能使用带有交叉熵损失的SigmoidWithCross熵损失的AccuracyLayer，因为这一个只有一个输出…从数学上讲，这两个损失函数是相同的，事实上SoftmaxWithLoss在进行二元分类时被过度参数化了。请参阅“与逻辑回归的关系”一节。