machine-learning - 二元分类与多类分类

Question

我有一个机器学习分类问题，有 3 个可能的类别(A 类、b 类和 C 类)。请让我知道哪种方法更好？- 将问题分为 2 个二元分类:首先确定它是 A 类还是“非 A”类。然后如果是“不是A”类，则再进行二元分类，分为B类或C类

Answer 1

二元分类最终可能会使用sigmoid函数(从0到1平滑)。这就是我们如何知道如何对两个值进行分类的方法。

from keras.layers import Dense
model.add(Dense(1, input_dim=8, kernel_initializer='uniform', activation='relu'))
model.add(Dense(1, kernel_initializer='uniform', activation='relu'))
model.add(Dense(1, kernel_initializer='uniform', activation='sigmoid'))

对于多类分类，您通常会在最后一层使用softmax，下一个示例中的神经元数量将为 10，意味着 10 个选择。

from keras.layers import Dropout
model.add(Dense(512,activation='relu',input_shape=(784,)))
model.add(Dropout(0.2))
model.add(Dense(10, activation='softmax'))

但是，您也可以在最后一层使用带有 2 个神经元的 softmax 来进行二元分类:

model.add(Dense(2, activation='softmax'))

希望这能为分类器提供一点直觉。