本文介绍了多分类和多标签分类的区别，并重点探讨了如何使用Keras解决多标签分类问题。在多标签分类中，每个样本可以对应多个标签，模型的输出层不需要使用softmax，而是采用sigmoid激活函数，确保每个标签的概率独立。在训练时，通常选用binary_crossentropy作为损失函数。
multi-class classification problem： 多分类问题是相对于二分类问题（典型的0-1分类）来说的，意思是类别总数超过两个的分类问题，比如手写数字识别mnist的label总数有10个，每一个样本的标签在这10个中取一个。
multi-label classification problem：多标签分类（或者叫多标记分类），是指一个样本的标签数量不止一个，即一个样本对应多个标签。
一般问题定义
一般情况下，假设我们的分类问题有5个标签，样本数量为n，数学表示为：
X={
x1,x2,...,xn}Y={
y1,y2,y3,y4,y5},其
最低0.47元/天 解锁文章
扫一扫
5112
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
