5.4. 多元分类

多元分类

介绍

一对多分类的实质是对一对一分类的拓展。
基本方法是建立一个多输出的神经网络，因此在多元分类中，最终的输出结果将是一个n维的向量，输出层的每一个输出单元用于判断是否是某一类（例如：是否是行人，是否是自行车），当判断为结果是某一类时，在理想情况下，这个网络会在这一输出单元输出1，其他的输出单元输出0，最终输出的结果是如：\(h_Θ(x)≈\left[\begin{smallmatrix} 1 \\\ 0 \\\ 0 \\\ 0 \end{smallmatrix}\right]\)之类的向量。
以前我们在训练集中用一个整数\(y\)来表示分类的标签，在多元分类中，我们使用如上所示的向量来表示分类的标签。
现在假设函数的模型应该为： \[h_Θ(x^{(i)})≈y^{(i)}\]
等式的左右两边输出的结果都是\(n\)维的向量。