multilabel-classification

0熱度

1回答

ResourceExhaustedError：使用形狀分配張量時的OOM [256,100000000]

對於我的分類問題，我使用了TensorFlow的變量。輸出類的數量是1e8。 n_inputs = 5000 n_classes = 1e8 features = tf.placeholder(tf.float32, [None, n_inputs]) labels = tf.placeholder(tf.float32, [None, n_classes]) h_layer = 256

python-3.x tensorflow deep-learning multilabel-classification 2017-07-02

---

2熱度

1回答

二元交叉熵懲罰單熱矢量的所有分量

我知道二元交叉熵與兩類中的分類交叉熵相同。 此外，我很清楚softmax是什麼。 因此，我看到明確的交叉熵懲罰只是將一個部件（概率）應爲1。 但爲什麼，不能或不應我使用二進制交叉熵上一熱載體？ Normal Case for 1-Label-Multiclass-Mutual-exclusivity-classification: ################ pred = [0.1

machine-learning classification multilabel-classification one-hot-encoding cross-entropy 2017-05-23

---

20熱度

1回答

Keras如何處理多標籤分類？

我不確定如何解釋在下列情況下Keras的默認行爲： 我的Y（地面實況）已設置使用scikit學習的MultilabelBinarizer（）。 因此，給一個隨機的例子，我的y列的一行是一個熱門編碼，如： [0,0,0,1,0,1,0,0,0,0,1]。 所以我有11類，可以預測，而且不止一個可能是真的;因此問題的多標籤性質。這個特定樣本有三個標籤。 我訓練模型，我會爲一個非多標記問題（照舊）和我沒

python neural-network keras multilabel-classification 2017-05-24

---

2熱度

2回答

用於多標籤分類的不平衡數據集

因此，我在創建的多標籤數據集（約20000個樣本）上訓練了一個深度神經網絡。我切換SOFTMAX乙狀結腸和嘗試（使用亞當優化器），以儘量減少： tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logits(labels=y_, logits=y_pred) 我結束了與這位國王預測（漂亮「恆」）： Prediction for Im1 : [ 0.

tensorflow deep-learning multilabel-classification 2017-05-31

---

0熱度

3回答

如何處理多標籤分類中的不平衡數據集

我想知道在處理真正不平衡的數據集時，如何懲罰較少表示的類，而不是處理其他類（在大約20000個樣本上有10個類，但這裏是每個類的出現次數：[10868 26 4797 26 8320 26 5278 9412 4485 16172]）。 我讀了關於Tensorflow函數：weighted_cross_entropy_with_logits（https://www.tensorflow.org/a

tensorflow deep-learning multilabel-classification 2017-06-02

---

1熱度

2回答

使用SQL查詢的多標籤分組

我希望能夠通過多標籤條目列表，我可以在其中找到常用標籤組上的數據。 我有構成爲如下的表： --------------------------------------------------------------------- |GameID | Title |Label1 |Label2 |Label3 |Label4 |... |LabelN | |-------|-----------

sql multilabel-classification 2017-07-26

---

2熱度

1回答

創建了一個從冗餘二進制一個多標籤分類

我是那種給一個數據集（數據幀）多標記數據集： x y A a A b B c C g B g 這就是我需要的多標籤分類 - x y A a,b B c,g C g 我應該怎麼辦？

python-3.x pandas dataframe multilabel-classification 2017-06-06

---

0熱度

2回答

神經網絡性能優化

我想根據報告中提到的症狀對醫療報告進行分類。我正在做的步驟是 1）從每個醫療報告中提取症狀。 2）創建一組從所有醫療報告中提取的所有症狀，總而言到目前爲止是3700 3）創建一組診斷和在這些放電摘要中提到的所有的疾病，總而言到目前爲止是1500. 4）現在我遍歷所有的醫療報告，併爲每個報告和它的診斷創建一個熱矢量。我有5000個文件。 對於症狀，我得到一個矩陣5000 X 3700 其中每行代表一

machine-learning tensorflow neural-network gradient-descent multilabel-classification 2017-04-23

---

0熱度

1回答

單標籤數據集中的多標籤文本分類

我有一個數據集，每個文檔都有一個標籤，如下例所示。 label text pay "i will pay now" finance "are you the finance guy?" law "lawyers and law" court "was at the court today" finance report "ban

scikit-learn multilabel-classification 2017-06-19

---

1熱度

1回答

不一致的形狀誤差MultiLabelBinarizer上y_test，sklearn多標籤分類

import numpy as np import pandas as pd from sklearn.pipeline import Pipeline from sklearn.feature_extraction.text import CountVectorizer from sklearn.svm import LinearSVC from sklearn.linear_mode

numpy scikit-learn text-classification multilabel-classification 2017-06-21

---