我们考察步长、迭代次数、是否包含默认类别、二元或多元、损失函数比率,归一化等因素。并与最大熵分类器进行对比。
1. 是否包含默认类别,就是说在进行K元分类时,是否包含第K+1个默认类别。
包含默认类别的输出h(x) = exp (W*X) / {1.0 + sum_exp (W*X)},对于iClassIndex <= K;h(x) = 1.0 / {1.0 + sum_exp (W*X)},对于iClassIndex == K+1。
不包含默认类别的输出h(x) = exp (W*X) / {1.0 + sum_exp (W*X)},对于iClassIndex <= K-1;h(x) = 1.0 / {1.0 + sum_exp (W*X)},对于iClassIndex == K。
性能对比:多元分类 包含 92.78% 不包含 92.46%
二元分类 包含 100% 不包含 98.91%
2. 多元分类下步