我有一个关于xgboost和multiclass的问题。我没有使用sklearn包装器，因为我总是为一些参数而苦苦挣扎。我想知道是否有可能得到概率向量加上softmax输出。以下是我的代码： param = {}param['booster'] = 'gbtree'
param['eta'] = 0.1pred = model.predict(dte
浏览 28提问于2019-02-27得票数 2
回答已采纳
1回答
我正在尝试理解XGBoost中的多类分类是如何工作的。如果我理解正确的话，XGBoost将回归树拟合为“弱学习者”或boosting模型的组成部分。从this question和论文中的文档中，我推测softmax激活函数被应用于增强的模型预测(实值？)，并且在将softmax应用于模型输出之后，通过优化交叉熵损失函数来确定树结构(例如分割点)。 我不清楚的是，三类概率究竟是如何获得的。如果模型输出只是一个实值(单个回归树输出的加权组
浏览 18提问于2020-01-16得票数 1
回答已采纳
1回答
我正在尝试使用xgboost提取另一个分类器模型"C“的预测结果。因此，我有C预测的样本为正的概率，而不是标签。我尝试做了最明显的事情，使用C输出的概率，就好像它们是标签一样distill_model.fit(X, probabilities)
但似乎在这种情况下，XGBoost只是将每个不同的概率值转换为它自己的类。因此，如果C输出
浏览 38提问于2021-03-02得票数 0
1回答
我有一个NLP任务，我正在用xgboost (R实现)来处理。我有一个文档集，我使用术语x项矩阵聚类方法对其进行了主题发现。
浏览 0提问于2019-06-29得票数 2
回答已采纳
我想知道哪个损失函数使用XGBoost进行多类分类。在二进制情况下，我发现是逻辑分类的损失函数。但是，对于多类情况，它可能与GBM (对于K类) 相同，其中如果x的标签为k，则为y_k=1，其他情况下为0，而p_k(x)是softmax函数。然而，我使用这个损失函数制作了一阶和二阶梯度，并且hessian与代码 (在SoftmaxMultiClassObj中的函数GetGradient中)中定义的梯度不匹配常数2。您能告诉我用的是哪种
浏览 4提问于2017-02-01得票数 7
回答已采纳
举个例子，假设我试图从他们的情节中预测电影类型，对于一部像“终结者”这样的电影，分类器可以预测“科幻”，“行动”，那么是否也可以估计出这些类型在电影中所占的比例，比如70%的动作和30%的科幻？多标签分类器确实给出了每个类的概率；仅仅标准化这些概率并使用它们作为权重是个好主意吗？
浏览 0提问于2019-09-27得票数 2
-> 100 hidden nodes (layer 3) -> 10 output nodes (1 for each possible digit)非常感谢
浏览 0提问于2018-03-21得票数 0
在分类问题中，我们更喜欢使用tf.nn.softmax函数，因为该函数以概率形式给出输出，或者我们也可以实现tf.nn.softmax_cross_entropy_with_logits，该函数对模型的输出应用softmax激活函数。我遇到一个代码，他们在最后一层使用了tf.nn.sigmoid_cross_entropy_with_logits。我想知道我们可以在最后一层使用sigmoid作为激活
浏览 0提问于2018-10-12得票数 1
我试图在一个基本属性列表中识别所有的可能性，比如，如果我得到了一张森林的图片，我想问tensorflow，这张图片是否包含橡树、松树、灌木丛、河流等等。我不需要知道图像是否是一幅森林的图片。我不是说给我结果--它还没有经过训练去看，我是说我要用不同类型的树木/灌木丛/等等来训练模型，我想知道给定的图像是否包含这些属性(或者它为给定属性考虑的概率)。
浏览 0提问于2018-07-23得票数 0
回答已采纳
4回答
在与对象检测和语义分割相关的深度学习实现中，我看到了使用sigmoid或softmax的输出层。我不是很清楚什么时候用哪种？在我看来，他们两个都可以支持这些任务。这个选择有什么指导原则吗？
浏览 57提问于2016-12-31得票数 10
回答已采纳
2回答
然而，当我试图使用它进行分类时(在进行了假定的适当更改后)，我将面临一些问题。我有9门课，但问题是网络以一种我不清楚的方式输出我。它为每个对象输出一个9x1向量，这很好，但是里面的值不是概率。我尝试将softmax输出转换为概率(exp(1)/(exp(1)+..+exp(N))，但没有影响。我用的是咖啡。我想要的是网络告诉我它属于哪个类的输入。基本上，在输出中，我想要一个表示类的值。
浏览 5提问于2016-10-23得票数 0
回答已采纳
就我而言，XGBoost支持使用softmax等目标函数进行多类预测。
在我的例子中，我希望它输出几个标签(浮点数)，并最小化它们的MAPE。它可行吗？我该怎么做才能做到这一点呢？(例如，如何直接构造具有多个标签的DMatrix。)
浏览 3提问于2017-07-23得票数 1
我的理解是，Softmax回归是Logistic回归的推广，它支持多个类。
Softmax回归模型首先计算每个类别的分数，然后应用softmax函数对每个类别的分数进行概率估计。我的问题:，为什么我们不能用Logistic回归对多个类进行更简单的分类，比如如果概率是0到0.3，那么A类，0.3到0.6，然后B类: 0.6到0.9，然后是C类等等。
浏览 4提问于2017-10-12得票数 1
回答已采纳
对Softmax函数进行张量输入，得到分类结果。我认为这个输出张量中的最大值是分类结果，为什么不用这种方法来完成分类任务呢？仅仅是Softmax函数就可以很容易地取到导数？
浏览 1提问于2018-06-22得票数 4
回答已采纳
我在spark (scala api)中使用了xgboost。", "max_depth" -> "2", XGBoost.train一个获取DMatrix并在驱动程序中操作(本地)，另一个获取RDD[Vec
浏览 2提问于2016-06-23得票数 2
如果我将Softmax Activation设置为最后一层，则使用unet进行图像语义分割：conv9 = Conv2D(n_classes, (3,3), padding = 'same')(conv9)model = Model(inputs, conv10)...但是，如果我不为最后一层设置Softmax Activation，如下所示：conv9 = Conv2D(
浏览 0提问于2019-07-29得票数 17
回答已采纳
我所读/知道的是，CrossEntropyLoss已经实现了Softmax函数，因此我的输出层是线性的。这感觉很奇怪，因为我有一些负输出，我认为我需要首先应用SOftmax函数，但是没有它，它似乎工作得很好。
谢谢你们的每一个回答。
浏览 9提问于2021-12-10得票数 1
2回答
分类器是如何分类的？
、、、
在对任何分类器进行训练后，分类器会告诉数据点属于某一类别的概率。y_pred = clf.predict_proba(test_point)C1 - 0.1 C2 - 0.2 C3 - 0.7
输出总是C3还是只有70%的时间？
浏览 1提问于2019-04-08得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
