使用单个输出分类为三个类

Question

我正在使用LSTM进行情绪分类，我有三个可选类别 - 负面/正面/中立。

我想知道是否有办法使用单个输出进行此分类，该输出将在-1：1的范围内，而-1是中性类，0是负数，1是正类。

我知道 sigmoid 函数从0变为1而 tanh 从-1变为1，因此使用 tanh 可能是一个很好的领导，但使用单个输出分类为三个不同的类仍然有意义吗？

Answer 1

基本上，每个班级而不是一个班级有三个单元更有用 - 这最终会给你一个有助于分配适当班级的分数。这背后的直觉如下：

1. 最后一个单位（tanh或sigmoid） - 在负类的情况下应该收到一个巨大的负数，在正类的情况下应该收到一个巨大的正数。
2. 因此，在提供输入的单位中，这个最终单位你应该有神经元，在正面和负面类别的情况下提供强大的输入。
3. 现在看一下中性案例 - 然后还应该有一些单位可以为最终单位提供一定的输入以防止输入接近0.这需要额外的网络复杂性并且可能会伤害培训，因为这个单位不仅应该识别中性输入，还应该使其他单位的输入不那么重要。

因此，总而言之 - 要有一个有效的模型，其最终输出在-1：1之间，你需要在网络中拥有与三个输出相同的单位。此外 - 您需要增加额外的复杂性，这将使得＆＃34;积极＆＃34;和＆＃34;否定＆＃34;在中性情况下单位不太重要。所以 - 这会伤害你的训练而不是帮助任何事情。