แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ
แบบทดสอบการจำแนกประเภทหลายป้ายกำกับ
ครอบคลุมป้ายกำกับที่ไม่ผูกขาด ความเกี่ยวข้องแบบไบนารีและกลุ่มตัวแยกประเภท ชุดกำลังของป้ายกำกับ และวิธีที่ Hamming loss ให้คะแนนข้อผิดพลาดของป้ายกำกับแต่ละรายการ
คำถาม 1 ของ 8
เรื่องข่าวสามารถรับได้ทั้งแท็ก "การเมือง" และ "การเงิน" การตั้งค่าเป้าหมายใดที่เหมาะกับงานนี้
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- เรื่องข่าวสามารถรับได้ทั้งแท็ก "การเมือง" และ "การเงิน" การตั้งค่าเป้าหมายใดที่เหมาะกับงานนี้
- การจัดประเภทหลายป้ายกำกับใช้ได้กับข้อมูลรูปภาพเท่านั้น
- การจำแนกประเภทหลายคลาสจะใช้ป้ายกำกับมากกว่าการจำแนกประเภทหลายป้ายกำกับเสมอ
- การจัดประเภทหลายป้ายกำกับอนุญาตให้มีป้ายกำกับเป็นศูนย์ หนึ่ง หรือหลายป้ายต่อตัวอย่าง แทนที่จะเป็นเพียงป้ายเดียว
- ไม่มีความแตกต่างที่มีความหมายระหว่างทั้งสอง
- เมื่อแท็กภาพยนตร์ เช่น "ระทึกขวัญ" และ "แอ็คชั่น" มักเกิดขึ้นร่วมกัน ความเกี่ยวข้องแบบไบนารี่อิสระมีข้อจำกัดอะไรบ้าง
- โดยจะละเว้นความสัมพันธ์ที่อาจเกิดขึ้นระหว่างป้ายกำกับ
- ไม่สามารถนำไปใช้กับตัวแยกประเภทมาตรฐานได้
- โดยต้องมีการติดป้ายกำกับทุกชุดที่เป็นไปได้ของป้ายกำกับเป็นคลาสของตัวเอง
- ใช้งานได้กับป้ายกำกับสองรายการเท่านั้น
- กลุ่มตัวแยกประเภทจะจัดการกับข้อ จำกัด ของความสัมพันธ์แบบไบนารีตามคำแนะนำอย่างไร
- โดยละเลยการเรียงลำดับฉลากโดยสิ้นเชิง
- โดยการฝึกตัวแยกประเภทเพียงตัวเดียวสำหรับป้ายกำกับทั้งหมดรวมกัน
- โดยการลบป้ายกำกับที่เกิดขึ้นร่วมบ่อยเกินไป
- โดยการป้อนคำทำนายของตัวแยกประเภทก่อนหน้าในห่วงโซ่ให้เป็นอินพุตพิเศษโดยป้อนตัวแยกประเภทแต่ละตัว
- แนวทาง Powerset ของฉลากประสบปัญหาใดตามที่อธิบายไว้ในคู่มือ
- ไม่สามารถจัดการความสัมพันธ์ของป้ายกำกับใดๆ ได้
- ปัญหาจะเกิดขึ้นเมื่อจำนวนชุดฉลากที่เป็นไปได้เพิ่มขึ้นมากเกินไปเมื่อเทียบกับข้อมูลการฝึกอบรม
- ต้องมีฟังก์ชันการเปิดใช้งานซิกมอยด์
- ใช้งานได้กับการป้อนตัวเลขเท่านั้น
- เหตุใดความแม่นยำมาตรฐานจึงถือเป็นเมตริกการประเมินที่ไม่ดีสำหรับการจำแนกประเภทหลายป้ายกำกับตามคำแนะนำ
- เนื่องจากความแม่นยำไม่สามารถคำนวณสำหรับปัญหาไบนารี่ได้
- เพราะความแม่นยำต้องอาศัยการเร่งความเร็วของ GPU
- เนื่องจากการทำนายสามารถถูกต้องได้บางส่วน ซึ่งความแม่นยำธรรมดาไม่สามารถจับได้ดีนัก
- เพราะปัญหาหลายป้ายไม่เคยมีคำตอบที่ถูกต้อง
- สำหรับโครงข่ายประสาทเทียมที่อาจกำหนดแท็กอิสระหลายแท็ก คู่มือนี้อธิบายการตั้งค่าเอาต์พุตแบบใด
- Sigmoid ใช้อย่างอิสระกับแต่ละโหนดเอาต์พุต
- ReLU นำไปใช้กับแต่ละป้ายกำกับ
- Tanh ใช้กับเอาต์พุตรวมเดี่ยว
- Softmax นำไปใช้กับคู่ของฉลาก
- ในงานแท็กเรื่องราวที่สามารถใช้ทั้ง "การเมือง" และ "การเงิน" ได้ เหตุใดเอาต์พุต softmax มาตรฐานจึงไม่เหมาะสม
- มันทำให้ความน่าจะเป็นของคลาสแข่งขันกันและรวมเป็นหนึ่ง แม้ว่าแท็กหลายแท็กอาจเป็นจริงพร้อมกันก็ตาม
- มันทำให้แต่ละแท็กที่เป็นไปได้มีเอาต์พุตไบนารีแยกกัน
- ไม่สามารถแสดงป้ายกำกับได้มากกว่าสองป้าย
- โดยไม่จำเป็นต้องมีตัวอย่างการฝึกอบรมอีกต่อไป
- ตามส่วน FutureOutlook วิธีการพื้นฐานใดที่ยังคงใช้กันทั่วไปในการผลิตแม้ว่าจะไม่ได้สร้างแบบจำลองความสัมพันธ์ของฉลากก็ตาม
- พาวเวอร์เซ็ตฉลาก
- ความเกี่ยวข้องแบบไบนารี
- โซ่ลักษณนาม
- การสร้างแบบจำลองการพึ่งพาฉลากตามกราฟ