二进制分类网络中的输出单元数和丢失函数

时间:2017-11-27 13:36:44

标签: binary neural-network classification

说我有一个二进制分类任务,我建立了一个神经网络来做到这一点。 有两种不同的框架可供选择,其中第一种是网络有一个输出单元,指示属于其中一个类的概率,因此我可以使用二进制交叉熵计算损失,第二种是网络有两个输出单独指示属于这两个类的概率的单位,我也可以使用softmax交叉熵来计算损失。 有人建议使用第一个选项,我的困惑是两个选项的优点和缺点是什么,如果我选择第二个框架,最严重的问题是什么?任何人都可以向我详细解释这个吗?提前谢谢。

1 个答案:

答案 0 :(得分:0)

如果你使用一个输出单元,那么你应该明白你在两个类之间严格选择。如果概率足够高,那么你的网络选择A级,否则它选择B级。如果你有两个输出单位,你的网络可能会产生相当低的概率,所以你最终既没有A也没有B.你应该选择在这两种方法中,取决于您尝试使用网络建模的真实系统是什么。