使用損失函數問題? - Cupoy

2019/07/06 下午 04:47

機器學習共學討論版

林宣威

觀看數：77

回答數：3

收藏數：0

ml100-2

ml100-2-d71

請問 如果在cifar10資料中，如果label沒有進行onehot轉換的話，他是屬於多分類嗎?

是不是因為使用了OneHot轉換後，label變成了0跟1兩類，所以在使用損失函數時，binary_crossentropy(二分類) 的準確率 會比 categorical_crossentropy(多分類)好，

因為從多分類變成二分類，是因為這樣嗎? 還是因為其他的原因

因為這方面有點難，我有點搞混了，所以想問這個問題

回答列表

• 2019/07/06 下午 05:10
  江慶磊
  贊同數：0
  不贊同數：0
  留言數：1

  "使用了OneHot轉換後，label變成了0跟1兩類"，這句話應是錯誤的，轉換前後都是屬於多分類問題，非0跟1兩類。

• 2019/07/08 上午 09:01
  Seanyu.TW
  贊同數：1
  不贊同數：0
  留言數：0

  不管有沒有轉 onehot, 二元分類只有在目標為 0, 1 兩者時才被稱為"二元"，而它也被包含在多元分類問題中。在 keras 中，binary crssentropy loss 可以接受 single vector (也可以接受 onehot), 但 categorical crossentropy 只接受 onehot。在 cifar10 中，目標為 10 類，你轉成 onehot 後 [0,1,2,3,...9]，必須用 categorical-crossentropy。你所說的做 cifar10 中，binary-crossentropy 比 categorical-crossentropy 好，你所說的準確率是多少呢?  可以有數據或流程分享一下嗎?

• 2019/07/08 上午 10:29
  張維元 (WeiYuan)
  贊同數：1
  不贊同數：0
  留言數：0

  Cifar-10 的所有圖片被分為 10 個類別 (以 0~9 數字作為 Label 之編碼) :

  • 0 : airplain (飛機)、1 : automobile (汽車)、9 : truck (卡車)

  
  

  => 只有一個 Label 欄位，但有多種可能值 => Mulit-Class

  
  

  做完 One-Hot 之後變成：

  
  

  => 有 10 個 Label 欄位，每個欄位有兩個值 => Mulit-Label with Binary