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
为什么交叉熵（cross-entropy）可以用于计算代价？如何评价1700亿参数的GPT-3？
ICLR 2019 有什么值得关注的亮点？
自学深度学习是怎样一种体验？
AMD的CPU是否适合搭建深度学习主机？
视觉Transformer如何优雅地避开位置编码？
如何理解链接预测（link prediction）？
Evidential deep learning里一般怎么估计多标签分类的Uncertainty？
在实际工程系统中，MPC太复杂，难以做到realtime。因此都利用数据，MPC对比RL还有优势么?
adversarial training为什么会起作用？
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
为什么yolov5从零开始训练（不在ImageNet上预训练）能够达到如此高的性能？nlp有哪些值得完整实现一遍的算法?
机器学习能否用于综合评价？具体怎么操作？
计算机视觉研一，只学过Python基础，目前代码能力很差，要不要换导师，不换的话如何毕业？
为什么在SGD中使用L1正则化很难获得稀疏性？
为什么相比于计算机视觉(cv)，自然语言处理(nlp)领域的发展要缓慢？
resnet（残差网络）的F（x）究竟长什么样子？
为什么yolov5从零开始训练（不在ImageNet上预训练）能够达到如此高的性能？
2021年，作为算法工程师的你们会在CV业务落地上用Transformer吗？
深度学习在生物信息领域有什么应用？
如何评价 PyTorch 团队推出的推荐系统库 TorchRec？
深度学习在生物信息领域有什么应用？
如何评价余凯创立的horizon robotics？
2021年深度学习在哪些应用上有实质进展？
pytorch 分布式计算 你们都遇到过哪些 坑/bug？
怎么选取训练神经网络时的Batch size?
使用强化学习解决实际问题时常常避不开环境模拟或者使用离线强化学习算法，两者分别有什么优缺点？
如何直观地解释 backpropagation 算法？
如何看待人工智能领域的很多专家认为「人工智能将对人类存亡造成威胁」的观点？
多模态方面，有哪些牛组值得我们follow他们的工作？
如何看待多模态transformer，是否会成为多模态领域的主流？
python这个按分类转换列表如何写？
百度在深度学习上使用Xilinx FPGA?
新智元提问：如何看待李飞飞高徒Karpathy加入特斯拉，主管人工智能部门？
深度学习工作站中使用AMD的CPU会有问题吗？
为什么都说神经网络是个黑箱？
如何评价 7 月 31 日一流科技开源的深度学习框架 OneFlow？
为什么Transformer要用LayerNorm？
新手如何实现个简单AutoML框架。有参考的github开源项目介绍吗？
如何看待周志华等人的新书《机器学习理论导引》？