机器学习之深度学习 二分类、多分类、多标签分类、多任务分类
多任务学习可以运用到许多的场景。
首先,多任务学习可以学到多个任务的共享表示,这个共享表示具有较强的抽象能力,能够适应多个不同但相关的目标,通常可以使主任务获取更好的泛化能力。
此外,由于使用了共享表示,多个任务同时经行预测时,减少了数据来源的数量,以及整体模型参数的规模,使预测更加搞效。在多个领域中,可以利用多任务学习来提高效果或者性能,比如垃圾邮件过滤、网页检索、自然语言处理、图像识别、语音识别等等。
文章目录
- ``多任务学习可以运用到许多的场景。``
- 相关任务
- 多任务学习
- 二分类
- 多分类
- 多标签分类
- 相关关系
相关任务
- 如果两个任务是处理输入的相同函数,但是在任务信号中加入独立的噪声处理,那么很明显这个任务就是相关任务。
- 如果两个任务用于预测同一个个体的属性的不同方面,那么这些任务比预测不同个体的属性的不同方面更相关。
- 两个任务共同训练时能相互帮助,并不是意味着他们时相关的。例如,通过在后向传播网络的一个额外输出中加入噪声可以提高泛化能力,但是噪声任务与其他任务不相关。
多任务学习
如下图所示,展示了4个独立的神经网络,每个神经网络都是一个针对同样输入仅有一个输出的函数。误差反向传播被应用于这些网络来独立训练每个网络,由于这些网络相互之间没有任务连接欸,因此其中一个网络学习到的特征并不能帮助另一个学习网络。这里称之为任务学习。
下图展示了以恶搞输入于上图中的4个网络一致的单一网络,但该网络由4个输出,每个输出对应于上图的一个任务。
需要注意的是,这些输出可以连接他们共享的一个隐层的所有神经单元,也由如上图所示,在共享的一个隐层后形成一个独立的子网络,训练不与其他任务共享的参数。这里成为多任务学习。在多任务学习网络中,后向传播并行的作用于4个输出。由于4个输出共享底部的隐层,这些隐层中用于某个任务的特征表示也可以被其他任务利用,促使利用,促使多个任务共同学习。
多个任务并行训练共享不同任务以学习到的特征表示,是多任务学习的核心思想
二分类
对于二分类是常见的分类问题,比如判断一张图片是不是人脸。如下图所示是一个二分类示例,其中不同的颜色表示不同的类别,中间线对应的线性分类面。
多分类
多分类,是指分类数量大于2的分类问题。例如中文或者英文的OCR问题;在目标检测中针对每个候选框的分类是多分类问题。在这类问题中,总的标签数大于2,且每条数据只对应其中一个标签。比如识别问题,输入的图片必须对应于人、车、毛、狗、未知等多个标签的一个。如下图
多标签分类
针对多标签分类是指输入源可以含有多个物体,标注的标签也是有多个如下图
传统的多标签分类问题也有拆分位二分类来解决的,但是在深度学习的今天,全连接后套多个Logistic(数据流)输出是一种性价比很高的做法。
多任务学习通常包含多个任务。最为典型的是Fast RCNN 同时做softmax分类和bbox的回归,这是两个完全不同的任务。如果多任务学习中的每个任务都为二分类问题,那么这种多分类问题就是一种广义上的多标签分类问题。
一般来说,多任务学习中不同的任务之间的区别较大,所以往往不共享所有层,比如 Fast RCNN 就是独立的两个全连接层,根据任务之间的区别大小,可以决定在不同的层开始分道扬镳。这种底层共享,高层分开的做法就是迁移学习。
相关关系
二分类、多分类、多标签分类、多任务分类、多任务学习、迁移学习的相互关系:
- 二分类是N= 2时的多分类
- 多分类时多标签分类的一种,时对多个相互独立的标签经行学习。
- 多标签时多任务学习的一种,每个任务对应一个标签。
- 多任务学习时迁移学习的一种,迁移学习中的源领域和目标领域对应多任务学习学习中的不同任务。
希望这篇文章让你对深度学习或者机器学习更加深入。
谢谢点赞评论!
机器学习之深度学习 二分类、多分类、多标签分类、多任务分类相关推荐
- 推荐系统遇上深度学习(二十)--探秘阿里之完整空间多任务模型ESSM
笔者是一个痴迷于挖掘数据中的价值的学习人,希望在平日的工作学习中,挖掘数据的价值,找寻数据的秘密,笔者认为,数据的价值不仅仅只体现在企业中,个人也可以体会到数据的魅力,用技术力量探索行为密码,让大数据 ...
- 新闻上的文本分类:机器学习大乱斗 王岳王院长 王岳王院长 5 个月前 目标 从头开始实践中文短文本分类,记录一下实验流程与遇到的坑 运用多种机器学习(深度学习 + 传统机器学习)方法比较短文本分类处
新闻上的文本分类:机器学习大乱斗 王岳王院长 5 个月前 目标 从头开始实践中文短文本分类,记录一下实验流程与遇到的坑 运用多种机器学习(深度学习 + 传统机器学习)方法比较短文本分类处理过程与结果差 ...
- 深度学习之循环神经网络(5)RNN情感分类问题实战
深度学习之循环神经网络(5)RNN情感分类问题实战 1. 数据集 2. 网络模型 3. 训练与测试 完整代码 运行结果 现在利用基础的RNN网络来挑战情感分类问题.网络结构如下图所示,RNN网络共两 ...
- 动手深度学习13——计算机视觉:数据增广、图片分类
文章目录 一.数据增广 1.1 为何进行数据增广? 1.2 常见图片增广方式 1.2.1 翻转 1.2.2 切割(裁剪) 1.2.3 改变颜色 1.2.4 综合使用 1.3 使用图像增广进行训练 1. ...
- 深度学习实战——利用卷积神经网络对手写数字二值图像分类(附代码)
系列文章目录 深度学习实战--利用卷积神经网络对手写数字二值图像分类(附代码) 目录 系列文章目录 前言 一.案例需求 二.MATLAB算法实现 三.MATLAB源代码 参考文献 前言 本案例利用MA ...
- 文献阅读(42)——使用深度学习在眼底照中检测糖网并分类(综述)
使用深度学习在眼底照中检测糖网并分类(综述) Deep learning for diabetic retinopathy detection and classification based on ...
- Keras深度学习使用VGG16预训练神经网络实现猫狗分类
Keras深度学习使用VGG16预训练神经网络实现猫狗分类 最近刚刚接触深度学习不久,而Keras呢,是在众多的深度学习框架中,最适合上手的,而猫狗的图像分类呢,也算是计算机视觉中的一个经典案例,下面 ...
- 【深度学习】CNN神经网络应用(用于亚洲大黄蜂分类)
[深度学习]CNN神经网络应用(用于亚洲大黄蜂分类) 文章目录 1 概述 2 假设条件 3 网络结构 4 数据集和参数 5 Asian hornet classification experiment ...
- 深度学习(主要是CNN)用于图片的分类和检测总结
深度学习(主要是CNN)用于图片的分类和检测总结 2014-12-4阅读920 评论0 前言: 主要总结一下自己最近看文章和代码的心得. 1. CNN用于分类:具体的过程大家都知道,无非是卷积, ...
最新文章
- 会议冲突!临时更新客户端!这些在线视频会议痛点统统解决掉!
- struts2之二(输入校验)
- MySQL 故障集锦
- pyqt webview 执行js
- TreeView控件结合js树形选择 .
- 如何在AngularJS的ng-options中设置value属性?
- Linux信号列表(sigint,sigtstp..)
- Go的web工作原理
- devops工作流程_DevOps会偷我的工作吗?
- linux透明防火墙--br_netfilter
- ue4cmd怎么调用_虚幻引擎UE4-命令行使用的一些详细技巧
- 解决css引用字体跨域问题
- 微信公众号web端关闭本页面
- python 读取excel失败 可以转换成csv文件
- python调用钉钉接口_关于钉钉接口使用Python,Post 500报错
- C++ 实现matlab高斯滤波函数imgaussfilt
- 达叔的正交化(第三课3.2)
- win7加入网络计算机,win7怎么加入局域网工作组_win7加入局域网工作组的步骤
- 王菲 单行道 今天忽然听
- 联想小新pro16锐龙版和酷睿版的区别 哪个好
热门文章
- 解决Win2016提示“发生身份验证错误 要求的函数不受支持”的问题
- Spring boot连接oracle数据库
- 中国移动、联动、电信
- 拼多多API接口介绍
- 计算机B类会议排名,计算机学科会议排名
- wp下载吧主题模板_内含newzhan2.60无授权版本
- appium+Python+逍遥游模拟器自动化执行测试用例,为什么一直中断连接?
- related knowledge points about protein
- Pycharm十大常用快捷键
- Python+Open3D 解析Velodyne VLP-16激光雷达数据