Глава 3. Вводим нелинейность: теперь не только взвешенные суммы
137
Таблица 3.4.
Сравнение значений бинарной перекрестной энтропии и MSE для гипотетических
результатов бинарной классификации
truthLabel
prob
Бинарная перекрестная энтропия
MSE
1
0,1
2,302
0,81
1
0,5
0,693
0,25
1
0,9
0,100
0,01
1
0,99
0,010
0,0001
1
0,999
0,001
0,000001
1
1
0
0
3.3. Многоклассовая классификация
В разделе 3.2 мы научились структурировать задачи бинарной классификации.
Теперь же вас ждет небольшое отступление: поговорим о
небинарной классификации
(nonbinary classification) — задачах классификации с тремя или более классами
1
.
Для иллюстрации многоклассовой классификации воспользуемся известным на
бором данных «Ирисы Фишера», пришедшим к нам из области статистики (
https://
ru.wikipedia.org/wiki/Ирисы_Фишера
). Он состоит из данных об ирисах трех видов: ирис
щетинистый
(Iris setosa)
, ирис виргинский
(Iris virginica)
и ирис разноцветный
(Iris
versicolor)
. Эти три вида можно отличить друг от друга по форме и размерам. В на
чале XX столетия британский статистик Рональд Фишер измерил длину и ширину
лепестков и чашелистиков (различных частей цветка) 150 экземпляров ирисов.
Набор данных сбалансирован: по 50 примеров для каждой целевой метки.
В этой задаче модель принимает четыре числовых входных признака — длину
лепестка, ширину лепестка, длину чашелистика, ширину чашелистика — и пытается
предсказать целевую метку (один из трех видов цветов). Этот пример вы можете
найти в каталоге
iris
репозитория tfjsexamples. Извлечь его и запустить можно
с помощью следующих команд:
git clone https://github.com/tensorflow/tfjs-examples.git
cd tfjs-examples/iris
yarn && yarn watch
1
Не путайте многоклассовую (multiclass) классификацию с многозначной (multilabel, бук
вально «с несколькими метками»). При многозначной классификации отдельному вход
ному примеру данных может соответствовать несколько выходных классов. В качестве
примера можно привести задачу обнаружения различных типов объектов во входном изо
бражении. На одном может быть изображен только один человек; а другое может включать
изображения людей, машин и животных. Многозначный классификатор должен выдавать
на выходе результаты, отражающие все классы, применимые к входному примеру, в зави
симости от того, один такой класс или несколько. В этом разделе мы не станем обсуждать
многозначную классификацию, а поговорим о простой многоклассовой классификации
с одной меткой, в которой каждому входному примеру соответствует ровно один из двух
или более возможных выходных классов.
138
Do'stlaringiz bilan baham: |