多标签、多类分类的输出层？

Question

我正在寻找一种方法来实现输入的多个分类。指定了输出的数量，并且输出的类集可能相同也可能不同。样本属于每个类集的一个类。

我的问题是，目标数据和输出层应该是什么样的？可以使用哪些激活、损失和训练函数，该层应该如何连接到隐藏层？我不一定要寻找最佳解决方案，只是一个可行的解决方案。

我目前对可行的猜测是使目标数据成为多个连接的 one-hot 向量，并且输出层具有与向量数量一样多的 softmax 单元。我不知道这些层将如何与该解决方案连接，以及网络如何计算类集的大小。我认为标签 powerset 无法满足我的需求。

我认为 matlab patternnet 函数可以创建一个可以做到这一点的网络，但我不知道生成的网络是如何工作的。非常欢迎 TensorFlow 或 Keras 的代码。

Answer 1

也许现在不是回答问题的好时机，但我正在研究多标签分类，刚刚找到了解决方案。 至于 Keras，有一个例子：

• 目标标签：[1, 0, 0, 1, 0]
• 输出层：Dense(5, activation='sigmoid')
• 损失：'binary_crossentropy'

如果数据集足够大，这将很有效。