3.9 神经网络解决多分类问题-机器学习笔记-斯坦福吴恩达教授
神经网络解决多分类问题
假定我们需要将图像分为四类:
- 行人图像
- 车辆图像
- 摩托车图像
- 卡车图像
这是一个多分类问题,由于图像特征较多,因此我们可以考虑设计含有多个隐含层的神经网络来完成特征优化(扩展):
注意,我们设计了一个含有多个输出的神经网络,亦即,我们会用01的组合来定义不同的分类:
y(i)=[1000],[0100],[0010],[0001],y^{(i)}=\left[\begin{matrix} 1 \\ 0 \\ 0 \\ 0 \end{matrix}\right], \left[\begin{matrix} 0 \\ 1 \\ 0 \\ 0 \end{matrix}\right], \left[\begin{matrix} 0 \\ 0 \\ 1 \\ 0 \end{matrix}\right], \left[\begin{matrix} 0 \\ 0 \\ 0 \\ 1 \end{matrix}\right],y(i)=⎣⎢⎢⎡1000⎦⎥⎥⎤,⎣⎢⎢⎡0100⎦⎥⎥⎤,⎣⎢⎢⎡0010⎦⎥⎥⎤,⎣⎢⎢⎡0001⎦⎥⎥⎤,
而不是使用标量来定义分类,这样使得我们容易利用上简单的 sigmoid 函数来进行预测:
y(i)=1,2,3,4y^{(i)}=1,2,3,4y(i)=1,2,3,4
整个网络的数学表达就可描述为
y(i)=[x0x1x2⋅⋅⋅xn]→[a0(2)a1(2)a2(2)⋅⋅⋅]→[a0(3)a1(3)a2(3)⋅⋅⋅]⋅⋅⋅[hΘ(x)1hΘ(x)2hΘ(x)3hΘ(x)4],y^{(i)}=\left[\begin{matrix} x_0 \\ x_1 \\ x_2 \\ \cdot\cdot\cdot x_n \end{matrix}\right]\rightarrow \left[\begin{matrix} a_0^{(2)} \\ a_1^{(2)} \\ a_2^{(2)} \\ \cdot\cdot\cdot \end{matrix}\right]\rightarrow \left[\begin{matrix} a_0^{(3)} \\ a_1^{(3)} \\ a_2^{(3)} \\ \cdot\cdot\cdot \end{matrix}\right]\cdot\cdot\cdot \left[\begin{matrix} h_\Theta(x)_1 \\ h_\Theta(x)_2 \\ h_\Theta(x)_3 \\ h_\Theta(x)_4 \end{matrix}\right],y(i)=⎣⎢⎢⎡x0x1x2⋅⋅⋅xn⎦⎥⎥⎤→⎣⎢⎢⎢⎡a0(2)a1(2)a2(2)⋅⋅⋅⎦⎥⎥⎥⎤→⎣⎢⎢⎢⎡a0(3)a1(3)a2(3)⋅⋅⋅⎦⎥⎥⎥⎤⋅⋅⋅⎣⎢⎢⎡hΘ(x)1hΘ(x)2hΘ(x)3hΘ(x)4⎦⎥⎥⎤,
3.9 神经网络解决多分类问题-机器学习笔记-斯坦福吴恩达教授相关推荐
- 3.12 程序示例--多分类问题-机器学习笔记-斯坦福吴恩达教授
多分类问题 我们手上包含有手写字符的数据集,该数据集来自斯坦福机器学习的课后作业,每个字符图片大小为 20×20 ,总的样本规模为 5000×400 , 我们的神经网络设计如下,包含 1 个隐含层,隐 ...
- 3.1 再论 0/1 分类问题-机器学习笔记-斯坦福吴恩达教授
再论 0/1 分类问题 在逻辑回归一章中,我们讨论了 0/1 分类问题,并且知道,通过对特征进行多项式展开,可以让逻辑回归支持非线性的分类问题.假定我们现在有 nnn 维特征,需要进行非线性分类,采用 ...
- 2.7 程序示例--多分类问题-机器学习笔记-斯坦福吴恩达教授
程序示例–多分类问题 我们采用 One-vs-All 方法来进行多分类,在原有的逻辑回归模块中添加 One-vs-All 的训练以及预测方法: # coding: utf-8 # logical_re ...
- 2.6 多分类问题-机器学习笔记-斯坦福吴恩达教授
多分类问题 通常采用 One-vs-All,亦称 One-vs-the Rest 方法来实现多分类,其将多分类问题转化为了多次二分类问题.假定完成 KKK 个分类,One-vs-All 的执行过程如下 ...
- 2.3 利用正规化解决过拟合问题-机器学习笔记-斯坦福吴恩达教授
利用正规化解决过拟合问题 在之前的文章中,我们认识了过拟合问题,通常,我们有如下策略来解决过拟合问题: 减少特征数,显然这只是权宜之计,因为特征意味着信息,放弃特征也就等同于丢弃信息,要知道,特征的获 ...
- 2.1 0/1分类问题-机器学习笔记-斯坦福吴恩达教授
0/1分类问题 利用线性回归中的预测函数 hθ(x) ,我们定义阈值函数来完成 0/1 分类: hθ(x)>0.5=>y=1h_θ(x)>0.5=>y=1hθ(x)>0 ...
- 4.4 机器学习系统设计--垃圾邮件分类-机器学习笔记-斯坦福吴恩达教授
机器学习系统设计–垃圾邮件分类 假定我们现有一封邮件,其内容如下: From: cheapsales@buystufffromme.com To: ang@cs.stanford.edu Subjec ...
- 3.8 神经网络解决逻辑运算问题-机器学习笔记-斯坦福吴恩达教授
神经网络解决逻辑运算问题 神经网络通过不同的架构设置,来完成不同的任务,比如我们看到一半的逻辑与运算: x1ANDx2={1ifx1=1andx2=10otherwisex_1\ AND\ x_2=\ ...
- 5.9 程序示例--非线性分类-机器学习笔记-斯坦福吴恩达教授
程序示例–非线性分类 接下来,我们采用高斯核函数来解决非线性可分问题,由于数据集较大,我们使用性能更好的完整版 SMO 算法进行训练: # coding: utf8 # svm/test_non_li ...
最新文章
- Java那些事之多线程
- leetcode算法题--替换所有的问号
- Spring常用注解总结
- JavaScript 专题之如何判断两个对象相等
- mysql8.0.20忘记密码_mysql8.0.19忘记密码的完美解决方法
- 树莓派pwm驱动好盈电调及伺服电机
- IBatis 映射文件 sql 中大于、小于等符号转义
- Xendesktop 5.0与view 4.5对比的看法
- CentOS6.5下的Nagios安装配置详解(图文)
- mongodb 监控权限_分布式监控系统Zabbix3.4-针对MongoDB性能监控操作笔记
- 打印机一直显示正在打印中_汉印CP4000:照片打印机中的“实力派”!支持无线打印,自动覆膜...
- SharePoint 2010 使用代码创建视图查询条件
- matlab头模型图像,用Matlab解《2013年数据建模比赛》图像碎片拼接题
- LAMP兄弟连ThinkPHP笔记
- 百度网盘内容提取网站
- api 接口简单调用
- 机器学习实验二(李宏毅-判断年收入)
- 22.1.2是否存在三升序列
- 拿图就走系列之《深入理解java虚拟机》
- ABAP 负数符号在前面显示/如何将负数改为正数