Python Tensorflow中的多标签多类分类器
我想用TensorFlow制作一个多标签多类分类器。 比如说,Python Tensorflow中的多标签多类分类器,python,tensorflow,Python,Tensorflow,我想用TensorFlow制作一个多标签多类分类器。 比如说, 标签:A、B、C、D、E、F 数据具有多标签 data1标签:[0,1,1,0,0] data2标签:[1,0,0,0,0] data3标签:[0,1,0,0,0] 我想用神经网络对这些标签进行分类。 我可以使用下面的代码作为成本吗 loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(data1 prediction, data1 label)) 不,
- 标签:A、B、C、D、E、F
- data1标签:[0,1,1,0,0]
- data2标签:[1,0,0,0,0]
- data3标签:[0,1,0,0,0]
loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(data1 prediction, data1 label))
不,不能使用为损失函数提供的代码,因为标签参数需要有效的概率分布 如果每个示例可以属于多个类(即类是独立的,而不是互斥的),则建议选择
更新:回答您的评论 当我谈论一个有效的概率分布时,我的意思是每个“标签数组”的元素必须和1,所有元素都必须是非负的。例如,data1标签不是有效的概率分布,因为其元素之和为2
您的问题显然是二进制分类,因为类不是互斥的,您希望为每个类生成独立的概率(即属于该类的概率)。非常感谢!