二元分类与多类分类答案

【问题标题】：Binary Classification vs. Multi Class Classification二元分类与多类分类
【发布时间】：2018-09-29 16:11:47
【问题描述】：

我有一个机器学习分类问题，有 3 个可能的类别（A 类、b 类和 C 类）。请让我知道哪种方法更好？ - 将问题分为 2 个二元分类：首先确定它是 A 类还是“非 A”类。那么如果是Class 'Not A'，再进行二分类，分类为Class B或Class C

【问题讨论】：

标签： machine-learning classification

【解决方案1】：

您描述的是一种用于多类分类的方法。
它被称为 One vs. All / One vs. Rest。

最好的方法是选择一个具有这两个选项的好的分类器框架，并使用交叉验证过程选择更好的一个。

【讨论】：

【解决方案2】：

二元分类最终可以使用sigmoid函数（从0到1平滑）。这样我们就知道如何对两个值进行分类了。

from keras.layers import Dense
model.add(Dense(1, input_dim=8, kernel_initializer='uniform', activation='relu'))
model.add(Dense(1, kernel_initializer='uniform', activation='relu'))
model.add(Dense(1, kernel_initializer='uniform', activation='sigmoid'))

对于多类分类，您通常会在最后一层使用softmax，下一个示例中的神经元数量将是 10，表示有 10 个选择。

from keras.layers import Dropout
model.add(Dense(512,activation='relu',input_shape=(784,)))
model.add(Dropout(0.2))
model.add(Dense(10, activation='softmax'))

但是，您也可以在最后一层使用softmax 和 2 个神经元进行二元分类：

model.add(Dense(2, activation='softmax'))

希望这对分类器提供一点直觉。

【讨论】：