我遇到了一个问题。我想将数据分类到n个类别中。但同时，我也想表达答案不属于这n个类别中的任何一个。
例如，我的类别是：马、猫、狗。所以我会用与马、猫和狗相关的数据进行训练。
但是，如果我给模型提供其他东西，比如一辆汽车，我希望模型能告诉我这不是马、狗或猫。所以我可能需要训练一个包含这些类别的模型：马、猫、狗、其他？
但如果我用数据训练其他类，如何确保当我给它一个新的东西，比如一枚太空火箭时，预测结果会是其他类？
换句话说，我在处理非活跃类时遇到了麻烦。我不希望我的模型在我的目标类别中给出“最佳预测”，我还希望它能告诉我是否不属于这些类别中的任何一个。
谢谢！
回答：
我得到了一些回答，似乎有两个主要的解决方案来解决这个问题：
-
正如我所想，我可以训练我的类别，再加上一个用于其他情况的类。为了确保模型的鲁棒性，我需要为这个类创建数据，尽可能覆盖所有可能的输入情况！
-
训练n个分类器：每个类别一个二元分类器。每个分类器的输出为：活跃/不活跃。
对于每种解决方案，我认为有必要为“其他情况”创建数据集，即使在第二种解决方案中也是如此，以避免未包含的预测。在解决方案1中，你可以选择是否希望有一个活跃类（softmax）或多个活跃类（sigmoid），在解决方案2中，由于每个分类器是独立的，似乎更难控制这种行为，因为多个类别可能会被激活。
