我正在寻找一种方法来实现输入的多个分类 . 指定了输出的数量，并且类集可能与输出相同或不同 . 该示例属于每个类集的一个类 .
我的问题是，目标数据和输出层应该是什么样的？可以使用哪些激活，丢失和训练功能，以及如何将图层连接到隐藏层？我不一定在寻找最佳解决方案，只需要一个工作解决方案 .
我目前关于什么可行的猜测是使目标数据成为多个连接的单热矢量，输出层具有与矢量数一样多的softmax单位 . 我不知道这些层如何与该解决方案相关联，以及网络如何计算出类集的大小 . 我认为标签powerset不能满足我的需求 .
我认为matlab patternnet函数可以创建一个这样做的网，但我不知道结果网是如何工作的 . TensorFlow或Keras的代码非常受欢迎 .
1 回答
也许现在不是回答这个问题的好时机，但我正在研究多标签分类并找到了解决方案 . 至于Keras，有一个例子：
target label ：[1,0,0,1,0]
output layer ：密集（5，激活= 'sigmoid'）
loss ：'binary_crossentropy'
如果数据集足够大，那将很有效 .