Pytorch 多类多目标分类问题的最佳损失函数
我有一个分类问题,我不知道如何对这个分类问题进行分类。据我了解, 多类分类问题是,您有多个相互排斥的类,并且数据集中的每个数据点只能由一个类标记。例如,在水果的图像分类任务中,标记为苹果的水果数据点不能是橙色,橙色不能是香蕉等等。在这种情况下,每个数据点只能是水果类的任何一个水果,因此会相应地进行标记 作为 多标签分类是一个问题,其中有多组相互排斥的类,其中的数据点可以同时标记。例如,在汽车的图像分类任务中,标记为轿车的汽车数据点不能是掀背式轿车,掀背式轿车不能是SUV,依此类推。同时,相同的汽车数据点可以标记为大众、福特、梅赛德斯等汽车制造商的数据点。因此,在本例中,汽车数据点是从两组不同的互斥类中标记出来的 如果我在这里思考错误,请纠正我的理解 现在来看我的问题,我的多类分类问题,比如A、B、C、D和E。这里每个数据点可以有一个或多个集合中的类,如左图所示:Pytorch 多类多目标分类问题的最佳损失函数,pytorch,classification,multilabel-classification,multiclass-classification,Pytorch,Classification,Multilabel Classification,Multiclass Classification,我有一个分类问题,我不知道如何对这个分类问题进行分类。据我了解, 多类分类问题是,您有多个相互排斥的类,并且数据集中的每个数据点只能由一个类标记。例如,在水果的图像分类任务中,标记为苹果的水果数据点不能是橙色,橙色不能是香蕉等等。在这种情况下,每个数据点只能是水果类的任何一个水果,因此会相应地进行标记 作为 多标签分类是一个问题,其中有多组相互排斥的类,其中的数据点可以同时标记。例如,在汽车的图像分类任务中,标记为轿车的汽车数据点不能是掀背式轿车,掀背式轿车不能是SUV,依此类推。同时,相同的汽
|-------------|----------| |-------------|-----------------|
| X | y | | X | One-Hot-Y |
|-------------|----------| |-------------|-----------------|
| DP1 | A, B | | DP1 | [1, 1, 0, 0, 0] |
|-------------|----------| |-------------|-----------------|
| DP2 | C | | DP2 | [0, 0, 1, 0, 0] |
|-------------|----------| |-------------|-----------------|
| DP3 | B, E | | DP3 | [0, 1, 0, 0, 1] |
|-------------|----------| |-------------|-----------------|
| DP4 | A, C | | DP4 | [1, 0, 1, 0, 0] |
|-------------|----------| |-------------|-----------------|
| DP5 | D | | DP5 | [0, 0, 0, 1, 0] |
|-------------|----------| |-------------|-----------------|
我对培训标签进行了热编码,如上图右侧所示。我的问题是:
[1, 1, 0, 0, 0], [0, 1, 0, 0, 1] - multilabel
[0, 0, 1, 0, 0] - multiclass
[1], [0] - binary (special case of multiclass)
多类不能有多个1
,因为所有其他标签都是互斥的