我已经阅读了一些关于使用 LSTM（有时与 CNN 结合）的 IMDB 练习 wrt 情绪分类的博客和论文，但是输出层只能包含 1 个带有 sigmoid 的神经元，因为情绪可能是好是坏。但是，如果我需要使用相同的技术将 30,000 个句子分类为 20 个不同的标签，那么我的输出层应该是什么样的？如果我没记错的话，我的输出层中的神经元数量应该与我训练数据的标签数量相同（在这种情况下为 20），每个标签都具有相同的 sigmoid。你能告诉我这是否有意义吗？
使用 RNN-LSTM 进行句子分类 - 输出层
数据挖掘
深度学习
rnn
2022-03-14 17:30:20
1个回答
在进行多类分类问题时，目标是为每个输入准确地预测一个类标签，使用 softmax 函数（归一化指数）作为最后一层的激活函数是标准的。但是，如果您的问题是多标签分类（其中类不是互斥的），那么使用 sigmoid 作为激活函数是合适的。在这两种情况下，您将拥有与标签一样多的输出单元（在您的情况下为 20 个）。
其它你可能感兴趣的问题