我正在使用这个数据集https://www.kaggle.com/c/sf-crime来预测使用 keras 的犯罪事件。我已经使用 pd.get_dummies 对类别进行了编码，然后将其用作验证数据。起初，我尝试使用 categorical_crossentropy 和 adam 作为损失函数，但结果返回的 acc 非常差，接近 0.3 和大约 2.7 的损失。所以我尝试通过使用 binary_crossentropy 来尝试不同的熵。结果似乎被夸大了，acc 高于 0.97，而损失在第一个 epoch 时小于 0.1。我还为每一层提供了 0.3 的 dropout。那么哪种交叉熵更准确或更好地用于这种情况，哪种分类是多标签或多类？
我必须使用哪种损失交叉熵？
数据挖掘
深度学习
喀拉斯
多类分类
多标签分类
准确性
2021-09-22 07:25:05
1个回答
哪种分类是多标签或多类？
如果我们看一下kaggle 比赛页面上的数据面板：
类别 - 犯罪事件的类别（仅在 train.csv 中）。这是您要预测的目标变量。
我们试图预测的目标是犯罪的类别（可以取多个值），所以这回答了你的问题：问题是多类的。
那么对于这种情况，哪种交叉熵更准确或更好用呢？
keras 中有三种主要类型的交叉熵：
根据您的问题，我假设您认为不同类型的交叉熵是可以互换的。事实并非如此。您应该根据您的问题和数据编码方式来选择交叉熵。
在您的情况下，由于您有一个多类问题并且您声明您已经使用pandas.get_dummies()，它对您的数据进行实时编码，您应该使用分类交叉熵而不是别的！