#image #deep-learning #conv-neural-network #multiclass-classification
#изображение #глубокое обучение #conv-нейронная сеть #мультикласс-классификация
Вопрос:
Я новичок в глубоком обучении и надеюсь, что вы, ребята, сможете мне помочь. Следующий сайт использует функции CNN для классификации по нескольким классам: https://www.mathworks.com/help/deeplearning/examples/feature-extraction-using-alexnet.html
В этом примере объекты извлекаются из полностью подключенного слоя, и извлеченные объекты передаются в классификатор ECOC.
В этом примере, что касается всего набора данных, всего 15 выборок в каждой категории, а в обучающем наборе данных 11 выборок в каждой категории.
Мой вопрос связан с размером набора данных: если я хочу использовать функции cnn для классификации ECOC, как в приведенном выше примере, должно быть обязательно одинаковое количество выборок в каждой категории? Если да, не хотели бы вы объяснить, почему? Если нет, не хотели бы вы показать справочные документы, в которых использовались разные номера?
Спасибо.
Ответ №1:
Возможно, вам захочется иметь сбалансированный набор данных, чтобы ваша модель не могла определить неправильное распределение вероятностей. Если категория представляет 95% вашего набора данных, модель, которая классифицирует все как часть этой категории, будет иметь точность 95%.