Chinese, Computer Science, Technology
Machine Learning Chinese NLP :::: Neural Networks Multiclass Classification
Neural Networks Multiclass Classification
在这段视频中
我想和大家谈谈
如何用神经网络做多类别分类
在多类别分类中
通常有不止一个类别
需要我们去区分
在上一段视频最后
我们提到了有关
手写数字辨识的问题
这实际上正是一个
多类别分类的问题
因为辨识数字
从0到9
正好是10个类别
因此你也许已经想问
究竟应该怎样处理这个问题
我们处理多类别分类的方法
实际上是基于一对多神经网络算法
而延伸出来的
让我们来看这样一个例子
还是有关计算机视觉的例子
就像我之前介绍过的
识别汽车的例子
但与之不同的是
现在我们希望处理的
是四个类别的分类问题
给出一幅图片
我们需要确定图上是什么
是一个行人 一辆汽车 还是一辆摩托车 亦或是一辆卡车
对于这样一个问题
我们的做法是
建立一个具有四个输出单元的神经网络
也就是说 此时神经网络的输出
是一个四维向量
因此 现在的输出
需要用一个向量来表示
这个向量中有四个元素
而我们要做的
是对第一个输出元素
进行分辨
图上是不是一个行人
然后对第二个元素 分辨它是不是一辆汽车
同样 第三个元素
是不是摩托车
第四个元素
是不是一辆卡车
因此
当图片上是一个行人时
我们希望这个神经网络
输出1 0 0 0
当图片是一辆轿车时
我们希望输出是
0 1 0 0
当图片是一辆摩托车时
我们希望结果是0 0 1 0
以此类推
所以
这和我们介绍逻辑回归时
讨论过的一对多方法
其实是一样的
只不过现在我们有
四个逻辑回归的分类器
而我们需要对
四个分类器中每一个
都分别进行识别分类
因此 重新整理一下这页讲义
这是我们的神经网络结构
有四个输出单元
这是针对不同的图片
我们h(x)的表达式
此时
我们需要用如下的方法
来表示训练集
在这个例子中
当我们要表征一个 具有行人 汽车
摩托车和卡车
这样四个不同图片作为元素的训练集时
我们应该怎么做呢
之前
我们把标签写作一个整数
用y来表示
1 2 3 4
现在我们不这样表示y
而是用以下的方法来代表y
那就是
y(i) 表示1 0 0 0
或者0 1 0 0 或者0 0 1 0 或者0 0 0 1
根据相对于的图片x(i)来决定
这样 我们的训练样本
将成为 x(i) y(i) 这一对数
其中 x(i)表示我们已知的
四种物体图像中的一个
而y(i)是这四个向量中的某一个
我们希望
能够找到某种方法
让我们的神经网络输出某个值
因此
h(x) 近似约等于y
在我们的例子中
h(x) 和 y(i)
它们都应该是四维向量
因为我们有四个类别
当前时间是9月4日星期三 还有时间 以及2013年
这就是使用神经网络进行多类别分类的方法
这样我们就讨论了
怎样基于我们的假设表达式
来表征神经网络
在接下来几节课中
我们会开始讨论
怎样得到训练集
以及怎样自动学习神经网络的参数
Sorry, the comment form is closed at this time.