[問題] 機器學習能不能用在編碼

[stayfool (fool)]

*[1;32m問題類別:(ex：DL)

使用工具:(ex:python tensorflow)

問題內容:

位元 0 代表 關閉 ，1 代表 開啟

資料集正確答案第1筆是 001

當電腦預測第1筆是000時，000 跟 001 的誤差，

不是常數1 (絕對不是001 - 000 = 1)

1.想請教機器有辦法作這種學習嗎?

2.若可以，loss function 損失函數該如何設計

  請給我關鍵字或連結，我自已查就可以了 謝謝

謝謝Y大回答，想再請教若是編碼混合數值的問題，

機器能否學習，損失函數如何設計?

舉例如下

資料集第1筆答案是 11 24 ，第1個位置的數值是11，第2個位置的數值是24

電腦預測第1筆答案是 22 XX

第1個位置的誤差是常數 11 (22 -11 = 11) ，第1個位置有值，代表 on

第2個位置的誤差是非常數 ， XX 代表無值 , 第2個位置無值，代表 off
















--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 1.161.245.103 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1631267546.A.EB4.html
推 yoyololicon: 你的bit array長度固定嗎？ 如果是，每種組合當作一
→ yoyololicon: 個class做classification就好惹
※ 編輯: stayfool (1.161.245.103 臺灣), 09/10/2021 19:11:27
推 st1009: 關鍵字 one hot (?
推 argorok: 感覺像Hamming Distance
→ argorok: 重看一遍應該classification比較符合XD
推 wang19980531: 有值無值是明確定義的規則的話 不用DL
推 mom213: 之前讀視訊/影像壓縮paper有類似的編碼loss 不知道是不是
→ mom213: 你要的
推 ej0cl6: 可以看看cost-sensitive multiclass/multilabel classific
→ ej0cl6: ation，或是自己設計loss是誤差的upper bound也可以
推 johnnyjana: 其實我不太懂你的例子
推 johnnyjana: q靈一下 覺得可能是wasserstein distance 讓預測的
→ johnnyjana: 分佈跟要的誤差接近?
→ johnnyjana: 通靈一下