ResNet神经网络自学笔记——matlab

刚刚学习神经网络的新手小白，本文是在我学习matlab案例的过程中写的，内容大多都是按照我自己的理解写的，如有不对欢迎批评指正。

Matlab案例：Compare Deep Learning Networks for Credit Default Prediction- MATLAB & Simulink

 一、查看原始数据

案例中给出的原始数据如下，主要包含5列，是一个table文件

每一列数据的详细解释如下：

 

 从上面我们可以看出ScoreGroup就是他的分类标签，主要有三类：‘low Risk’，‘Hight Risk’, ‘Medium Risk’三类

二、制作标签

在案例中提到如果想要训练神经网络，需要将标签转换为one-hot encoded vectors（为什么必须要转换为这个形式？所有神经网络训练都要将标签转换为这种形式吗？）

2024年4月10日，最近拜读了赵小川教授的《深度学习理论及实战(Matlab版)》从中得到了启发，为何要将标签转为独热编码我想原因是这样的：在有监督学习中，面对多分类问题，采用的数据格式就是数据+标签，而标签之所以采用独热编码，是因为多分类任务中，实现分类其实就是最后的输出层中某一个节点被激活，而其他节点未被激活，被激活的节点就是1，未被激活的节点就是0，所以多分类问题输出的类型其实就是独热编码，因此需要在制作标签时与输出一致便于计算损失函数。

通过这个代码获取文字标签的热向量：

riskGroup = onehotencode(tbl.ScoreGroup,2);