图像分类与医学分级问题

Question

对于像猫和狗这样的图像分类问题，输出层是2。

像糖尿病视网膜病变这样的图像分类问题似乎更像是一个分级分类器。虽然目标范围从0到4，(表示病情的严重程度)，但是对于这类问题，使用1作为输出层还是5层比较好呢？

我见过Kaggle内核，两者都被利用了。

Answer 1

产出的数量将取决于任务和目标的数量。在医学评分的情况下，您可以将问题解释为：

• 一个分类，即每个等级是一个类别(5个输出，每个类别一个)。
• 回归:预测一个等级和结果(1个输出)

确保检查每个任务的损失函数。这通常会告诉您代码编写人员是如何决定解决问题的。为了回到您的示例，第一个任务应该有一个分类损失(例如，交叉熵)，第二个任务应该是一个回归(MSE)。还检查最后一层激活函数:通常，softmax/sigmoid用于分类，无用于回归。

在没有看到数据的情况下，说什么起作用是很复杂的。最近的一场竞争()也看到人们把这个问题作为分类和回归来对待。到目前为止，私人笔记本的评分最高的是一种基于回归的方法。我怀疑这是因为分类(一只股票在未来是否会有正回报)需要对标签进行二值化，这基本上会导致信息丢失。