首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >问答首页 >模糊分类神经网络

模糊分类神经网络
EN

Data Science用户
提问于 2018-12-16 12:27:06
回答 2查看 193关注 0票数 0

什么损失函数/优化器用于模糊分类问题?例句:有四种类型:热、温和、冷、冷。

编辑:我使用一个热编码,并有~60个数据点。

EN

回答 2

Data Science用户

回答已采纳

发布于 2018-12-17 07:23:32

加入J.C.的答案,请注意,你不需要坚持一个热编码。对于你的热-温和-冷-冻结目标也可能是0,0.3,0.5,0.2。

票数 0
EN

Data Science用户

发布于 2018-12-16 15:15:39

我会这么说,因为别人会说:这要看很多事情。

对于分类问题,最好从常规的交叉熵损失开始,特别是因为它在许多库(PyTorch、Keras、TensorFlow)中都是现成的。如果您正在处理二进制分类任务,那么二进制交叉熵也可能是一种有趣的尝试。当然,有人可以推荐更多晦涩的损失,但从那些简单的损失开始,可能会以最小的努力获得一个很好的回报!

同样,为了简单起见,Adam或SGD的势头往往是一个低挂的水果,你可以尝试。

我会说,使用亚当和交叉熵,并努力通过优化你的超参数尽可能多(验证集!)只有这样你才能移动其他部分。

另外,对于更具体的答案,您应该指定有多少特性,多少个数据点,以及如何处理分类(标签编码/单热)。

票数 2
EN
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://datascience.stackexchange.com/questions/42705

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档