本文介绍了如何使用神经网络处理多类别分类问题，以手写数字识别为例，阐述了一对多法的拓展应用。通过建立四输出单元的神经网络，每个输出对应一类目标，如行人、汽车、摩托车或货车。训练过程中，目标是使神经网络的输出接近于对应类别的标记向量，以实现对多种物体的识别。
如何利用神经网络解决多类别分类问题？
（手写数字的识别问题，其实就是一个多类别分类问题，因为它有 10 10 10 种需要识别的类别，也就是数字 0 0 0 到 9 9 9。）
要在神经网络中实现多类别分类，采用的方法本质上是一对多法的拓展。
假设有一个计算机视觉的例子，我们不只需要识别出图中的汽车，现在我们需要识别四个类别的对象，通过图像来辨别出哪些是行人、汽车、摩托车或者货车：
这样的话，我们要做的就是建立一个有四个输出单元的神经网络：
现在神经网络的输出将是一个含 4 4 4 个数的向量：
输出变成了一个四维的向量，那么现在要做的就是，用第一个输出单元来判断图中是否是一个行人，再用第二个输出单元来判断图片中是否是一辆汽车，以此类推……
当图像中是一个行人时，理想情况下，这个网络会输出：
当图中是一辆汽车时，希望输出：
以此类推……
现在可以说我们有 4 4 4
最低0.47元/天 解锁文章
扫一扫
4万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
