什么是训练神经网络执行序数回归的最佳成本函数，即预测其值存在于任意尺度上的结果，其中只有不同值之间的相对排序是显着的（例如：预测客户将订购哪种产品尺寸: 'small'（编码为 0）、'medium'（编码为 1）、'large'（编码为 2）还是 'extra-large'（编码为 3））？我试图弄清楚是否有比二次损失（将问题建模为“香草”回归）或交叉熵损失（将问题建模为分类）更好的选择。
使用神经网络进行序数回归的成本函数
数据挖掘
神经网络
成本函数
2021-09-18 07:15:50
1个回答
本文提出了另一种人脸年龄估计方法：
作者使用许多二元分类器来预测数据点是否大于阈值，并对多个阈值执行此操作。即在您的情况下，网络将具有三个二进制输出，对应于
- 大于 0
- 大于 1
- 大于 2。
例如，对于“大 (2)”，基本事实将是[1 1 0]. 最终成本函数是每个二元分类器的各个交叉熵成本函数的加权和。
这具有固有地对更大的误差进行更多加权的优点，因为将违反更多的单个成本熵项。简单地对有序结果进行分类分类本身并不具有此功能。
其它你可能感兴趣的问题