为什么多标签分类（不是多类分类）损失函数可以使用Binary Cross Entropy？ 第1页
1
civ-26 网友的相关建议:
这是因为一个包含N个类别的多标签分类可以转换为N个二分类任务：对每个标签分别做一次二分类（yes or no）。所以BCE自然可以作为每个二分类任务的loss function。
1
相关话题
中国和美国谁能成人工智能领域的领军者？像龙井茶、碧螺春、武夷岩茶、铁观音、大红袍、祁门红茶、金骏眉这一类的茶的叶子都是来自同一种茶树吗？
是不是对于任意 n×n 大小的围棋棋盘，人类都赢不了 AlphaGo Zero 了？
怎样让机器有意识?
深度学习在信息安全的应用有哪些可以关注的人或论文？
如何比较Keras, TensorLayer, TFLearn ？
为什么现在的CNN模型都是在GoogleNet、VGGNet或者AlexNet上调整的？
学生网络用知识蒸馏损失去逼近教师网络，如何提高学生网络的准确率？
如何评价1700亿参数的GPT-3？
实体提取任务中使用BERT-CRF时，CRF根据数据统计可以得到转移概率，为啥还要训练呢？
下一个讨论
c4.5为什么使用信息增益比来选择特征？
相关的话题
人工智能就业前景越来越严峻了，你还在坚持吗？如何评价哈工大的左旺孟老师？
如何评价 DeepMind 公司？
为什么神经网络具有泛化能力？
如何证明数据增强（Data Augmentation）有效性？
中科院某所研一新生，小样本学习、数据融合、强化学习、图神经网络、资源受限的计算这几个方向选哪个更好？
如何评价旷视开源的YOLOX，效果超过YOLOv5?
如何评价AWS的图神经网络框架DGL？
pytorch ddp训练中一个node fail，导致整个训练失败，有可能解决吗？
为什么都说神经网络是个黑箱？
神经网络中 warmup 策略为什么有效；有什么理论解释么？
ICLR 2019 有什么值得关注的亮点？
神经网络训练多个epoch，写论文的时候可以取最好的效果那一个epoch作为结果吗？
如果百年后深度学习最终有了公认的数学理论作为基础，能解释实验中的各类玄学，那这个理论会长什么样子？
为什么多标签分类（不是多类分类）损失函数可以使用Binary Cross Entropy？
现在tensorflow和mxnet很火，是否还有必要学习scikit-learn等框架？
如何对知识分类？
如何看待旷视科技新产品监视学生上课？
人工智能相关的岗位薪酬状况如何？
新手如何入门pytorch？
如何理解空洞卷积（dilated convolution）？
能否使用区块链的算力来解决深度学习训练？
训练过程中loss震荡特别严重，可能是什么问题？
如何评价 Self-Normalizing Neural Networks 这篇论文?
领域自适应需要用到测试集数据，这样的方法有啥意义呢？
深度学习火热兴起后，隐马尔可夫模型（HMM）还有何独到之处，是不是几乎可被深度学习模型给替代了？
如何评价mixup: BEYOND EMPIRICAL RISK MINIMIZATION？
NIPS 2018 有什么值得关注的亮点？
如何理解 natural gradient descent?
image caption这个方向更偏向NLP还是CV？