[問題] keras 多選擇題的Model

[dominicx (sandbox)]

小弟我使用Keras

假如Input Data都一樣

有10種不同的選擇 (Binary Output)

你們會用以下哪一種方式?

A. 把10種選擇同時放到一個output layer, 在1個Model train

B. 分成10個Model去個別train


================================================================
我個人的看法是

A的做法可以得到全局的最佳解, 但是對於每一個獨立的選擇並不一定是最佳解

B的最法可以得到每一個獨立的最佳解


或者有人有更好的做法?

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 36.228.40.74
※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1544837461.A.1F1.html
※ 編輯: dominicx (36.228.40.74), 12/15/2018 09:33:02
※ 編輯: dominicx (36.228.40.74), 12/15/2018 09:33:31
推 sherees: B的例子如果有多個model return 1 你要怎麼選
→ dominicx: 多選擇題阿  可以選擇多個答案
推 yiefaung: 都可以阿 就是算力 參數量跟fitting程度的tradeoff 不然
→ yiefaung: 也可以前面feature extraction共用後面classifier分開
推 illegalplan: 這叫multi label
→ pipidog: 這就是一個基本的multilabel的問題. 一個最簡單的例子,你
→ pipidog: 聽過word2vec裡面的skip-gram方法嗎? 這就是一個例子.
→ dominicx: 好 謝謝  我找找看
推 s3714443: Keras tf multilabel vs XGB多模型二元分類 都試試
→ s3714443: 我直覺上覺得如果label之間有關聯（可以用卡方試試），
→ s3714443: 那直接做一個model就好，因為會共享參數，不過我沒找到p
→ s3714443: aper或實證說label之間的相關性對於多標籤或多模型的選
→ s3714443: 擇是否有差異
推 seasa2016: 樓上 SGM: Sequence Generation Model for Multi-labe
→ seasa2016: l Classification