← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 10080.c · 生成模型:未记录

独热编码表示类别

理解等级:中级

独热向量用一个位置为 1、其余位置为 0 来表示类别。例如三类标签中 (0,0,1) 表示第三类。与 Softmax 输出配合计算交叉熵时,只有正确类别对应的对数概率保留下来。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 2 处

    参考来源

    - 位置:《深度学习进阶:自然语言处理》第1章《神经网络的复习》(来源项目 book-source:extracted/深度学习进阶:自然语言处理/_epub-src/text/part0006_split_003.html) - 结论依据:正文对该机制或实现作出相应说明。 - 原始内容:监督标签以 one-hot 向量的形式表示,比如 one-hot 向量是一个元素为 1,其他元素为 0 的向量。 - 补充位置:《深度学习进阶:自然语言处理》第1章《神经网络的复习》1.4.1(来源项目 book-source:extracted/深度学习进阶:自然语言处理/_epub-src/text/part0006_split_004.html) - 补充依据:螺旋数据集使用独热向量表示三类标签。 - 补充原文:t 是 one-hot 向量,对应的正确解标签的类标记为 1,其余的标记为 0。