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：

|-------------|----------|              |-------------|-----------------|
|      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:

我可以使用什么样的损失函数（最好是PyTorch）来训练模型，以优化一个热编码输出

我们称之为什么样的分类问题？多标签还是多类别

谢谢你的回答

我可以使用什么损失函数（最好是PyTorch中的损失函数）进行培训 用于优化一个热编码输出的模型

您可以使用（或者它们是等效的）并查看这一个是如何工作的。这是标准方法，其他可能是

我们称之为什么样的分类问题？多标签还是多类别

它是多标签（因为多个标签可以同时出现）。在一个热编码中：

[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