728x90
다중 클래스, 다중 레이블
- 다중 클래스 분류는 두 개 이상의 클래스가 있는 분류 작업을 의미합니다. 예를 들어 오렌지, 사과 또는 배일 수 있는 과일 이미지 집합을 분류하는 것과 같은 작업입니다. 다중 클래스 분류는 각 샘플이 하나의 레이블에만 할당된다고 가정합니다. 즉, 과일은 사과일 수도 있고 배일 수도 있지만 동시에 두 가지 모두일 수는 없습니다. 다중의 class가 존재할 수 있는 output에서, 하나를 선택하는 것입니다.
- categorical_crossentropy를 활용
- 다중 레이블 분류는 각 샘플에 대상 레이블 세트를 할당합니다. 다중의 정답이 동시에 존재할 수 있는 것입니다. 이는 문서와 관련된 주제와 같이 상호 배타적이지 않은 데이터 포인트의 속성을 예측하는 것으로 생각할 수 있습니다. 텍스트는 종교, 정치, 금융, 교육 중 하나에 관한 것일 수도 있고 이 중 어느 것도 아닌 것일 수도 있습니다.
- binary_crossentropy를 활용
multiclass - 정답 중복 x
multilabel - 정답 중복 o
'파이썬 > Tensorflow,Pytorch' 카테고리의 다른 글
| [Python] YOLOv8.pt를 ONNX 모델로 export, inference (34) | 2023.07.01 |
|---|---|
| PyTorch vs TensorFlow in 2023 (89) | 2023.05.31 |
| 머신러닝 시각화 툴킷 Tensorboard 설치 및 사용방법 (83) | 2023.01.27 |
| Pytorch 딥러닝 GPU 사용률 올리기 (23) | 2023.01.12 |
| ERROR: Could not find a version that satisfies the requirement mediapip (from versions: none) ERROR: No matching distribution found for mediapip (15) | 2023.01.10 |
