从 Yann LeCun 的论文“Efficient BackProp”中理解文本

数据挖掘 机器学习 深度学习 反向传播
2022-03-13 05:27:24

抱歉,我刚开始学习深度学习,所以我尽量不要假设任何事情,除非我完全确定。

通过这里的评论,有人推荐了 Yann LeCun 的这篇关于反向传播 Efficient BackProp 的优秀论文在阅读时,我停留在“4.5 选择目标值”。我无法复制粘贴文本,因为 pdf 不允许,因此在此处发布屏幕截图。大部分论文对我来说都很清楚,但我无法准确理解作者试图针对这个特定部分传达的内容(见附图)。如果我理解正确,作者是否建议将 -0.90 和 0.90 之间的目标值归一化用于回归问题而不是 -1,1,或者他是否说回归对于分类是错误的,因为它会预测错误的类别?

在此处输入图像描述

1个回答

本文仅讨论二进制分类目标值。有时二进制分类目标值被编码为 -1 或 1。这些是 logit 类型函数的渐近极限。相反,将二进制分类目标值编码为 -0.9 或 .9 在经验上可能更有用。