多标签分类中汉明损失的梯度计算

我正在使用某种循环神经网络结构进行多标签分类。我的问题与损失函数有关:我的输出将是表示每个标签类别的真/假(1/0)值的向量。许多资源指出汉明损失是合适的目标函数。然而,汉明损失在梯度计算上存在问题:H = average (y_true XOR y_pred),XOR操作无法推导出损失的梯度。那么,是否有其他用于训练多标签分类的损失函数?我已经尝试过使用单独的sigmoid输入的均方误差和二元交叉熵。


回答:

H = average(y_true*(1-y_pred)+(1-y_true)*y_pred)

是汉明损失的连续近似。

Related Posts

Keras Dense层输入未被展平

这是我的测试代码: from keras import…

无法将分类变量输入随机森林

我有10个分类变量和3个数值变量。我在分割后直接将它们…

如何在Keras中对每个输出应用Sigmoid函数?

这是我代码的一部分。 model = Sequenti…

如何选择类概率的最佳阈值?

我的神经网络输出是一个用于多标签分类的预测类概率表: …

在Keras中使用深度学习得到不同的结果

我按照一个教程使用Keras中的深度神经网络进行文本分…

‘MatMul’操作的输入’b’类型为float32,与参数’a’的类型float64不匹配

我写了一个简单的TensorFlow代码,但不断遇到T…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注