На этом шаге мы подведем некоторые итоги.
Вот какие выводы можно сделать из этого примера.
- Если вы пытаетесь классифицировать образцы данных по N классам, модель должна завершаться слоем Dense размера N.
- В задаче однозначной многоклассовой классификации заключительный слой модели должен иметь функцию активации softmax, чтобы выводить
распределение вероятностей между N классами.
- Для решения подобных задач почти всегда следует использовать функцию потерь categorical_crossentropy. Она минимизирует расстояние между
распределениями вероятностей, выводимыми моделью, и истинными распределениями целей.
- Метки в многоклассовой классификации можно обрабатывать двумя способами:
- кодировать их с применением метода кодирования категорий (также известного как прямое кодирование) и использовать функцию потерь categorical_crossentropy;
- кодировать их как целые числа и использовать функцию потерь sparse_ categorical_crossentropy.
- Когда требуется классифицировать данные по относительно большому количеству категорий, старайтесь предотвратить появление в модели узких мест для информации из-за промежуточных слоев с недостаточно большим количеством измерений.
Со следующего шага мы начнем рассматривать пример регрессии.
