यदि आपके पास एक वर्गीकरण और प्रतिगमन समस्या दोनों संबंधित हैं और एक ही इनपुट डेटा पर भरोसा करते हैं, तो क्या यह एक तंत्रिका नेटवर्क को सफलतापूर्वक आर्किटेक्ट करना संभव है जो वर्गीकरण और प्रतिगमन दोनों आउटपुट देता है?मल्टी-आउटपुट तंत्रिका नेटवर्क रिग्रेशन और वर्गीकरण का संयोजन
यदि हां, तो हानि कार्य कैसे बनाया जा सकता है?
आमतौर पर, ऐसे मामलों के लिए हानि को वर्गीकरण हानि और प्रतिगमन हानि का भारित योग माना जाता है। दूसरे शब्दों में, आपके नेटवर्क में 2 स्वतंत्र आउटपुट पार्ट्स हैं, जो प्रतिगमन के लिए ज़िम्मेदार हैं, जिस पर आप regionion loss L_reg (जैसे एमएसई) लागू करते हैं और दूसरा वर्गीकरण भाग के लिए ज़िम्मेदार है, जिस पर आप वर्गीकरण हानि L_class (जैसे क्रॉस एंट्रॉपी) लागू करते हैं और आपका अंतिम अनुकूलन मानदंड कुछ पूर्वनिर्धारित अल्फा के लिए बस (अल्फा) * L_reg + (1-अल्फा) * L_class है। यह ग्रेडियेंट की आसान गणना (और समग्र आसान विश्लेषण) की अनुमति देता है।
ग्रेट, धन्यवाद। क्या अल्फा को आमतौर पर हाइपर-पैरामीटर के रूप में माना जाता है और इस तरह ट्यून किया जाता है? – jayesian
हां, जब तक कोई उचित मूल्य खोजने के लिए कुछ समस्या विशेषता का उपयोग नहीं कर सकता – lejlot