多类多目标分类问题的最佳损失函数

Question

我有一个分类问题，我不知道如何对这个分类问题进行分类。根据我的理解，

多类分类问题是您具有多个互斥类，并且数据集中的每个数据点只能由一个类标记。例如，在水果的图像分类任务中，标记为苹果的水果数据点不能是橙色，而橙色不能是香蕉，依此类推。在这种情况下，每个数据点只能是Fruits类中的任何一个水果，因此会相应地进行标记。

...为...

多标签分类是一个问题，其中有多组互斥的类可以同时标记数据点。例如，在“汽车的图像分类”任务中，对于汽车类型，标记为轿车的汽车数据点不能是掀背车，掀背车不能是SUV等。同时，与汽车制造商一样，来自大众，福特，梅赛德斯等的汽车数据点也可以标记为一个。因此，在这种情况下，汽车数据点是从两组互斥类的不同集合中标记的。

如果我在这里以错误的方式思考，请纠正我的理解。

现在由于我的问题，我的多个类别的分类问题，让我们说A，B，C，D和E。在这里，每个数据点可以从集合中获得一个或多个类别，如下左所示：< / p>

|-------------|----------|              |-------------|-----------------|
|      X      |     y    |              |      X      |    One-Hot-Y    |
|-------------|----------|              |-------------|-----------------|
|     DP1     |   A, B   |              |     DP1     | [1, 1, 0, 0, 0] |
|-------------|----------|              |-------------|-----------------|
|     DP2     |   C      |              |     DP2     | [0, 0, 1, 0, 0] |
|-------------|----------|              |-------------|-----------------|
|     DP3     |   B, E   |              |     DP3     | [0, 1, 0, 0, 1] |
|-------------|----------|              |-------------|-----------------|
|     DP4     |   A, C   |              |     DP4     | [1, 0, 1, 0, 0] |
|-------------|----------|              |-------------|-----------------|
|     DP5     |   D      |              |     DP5     | [0, 0, 0, 1, 0] |
|-------------|----------|              |-------------|-----------------|

I One-Hot对标签进行编码，如右上方所示。我的问题是：

1. 我可以使用什么损失函数（最好是在PyTorch中）来训练模型以优化一键编码输出
2. 我们怎么称呼这种分类问题？多标签还是多类？

谢谢您的回答！

Answer 1

我可以使用什么损失函数（最好在PyTorch中）来训练 模型来优化一键编码输出

您可以使用torch.nn.BCEWithLogitsLoss（或MultiLabelSoftMarginLoss，因为它们等效），然后看看这是如何工作的。这是标准方法，其他可能性可能是MultilabelMarginLoss。

我们怎么称呼这种分类问题？多标签还是多类？

它是多标签的（因为可以同时存在多个标签）。在一键编码中：

[1, 1, 0, 0, 0], [0, 1, 0, 0, 1] - multilabel
[0, 0, 1, 0, 0] - multiclass
[1], [0] - binary (special case of multiclass)

multiclass不能有多个1，因为所有其他标签都是互斥的。