در چندکلاسه، برای هدفِ تک‌انتخابی یک کلاس از چند کلاس انتخاب می‌شود؛ در چندبرچسبی، یک نمونه می‌تواند هم‌زمان چند برچسب داشته باشد. پیش از مدل، باید شکلِ عددیِ هدف و معنیِ «هیچ برچسب» و «هنوز نامعلوم» مشخص باشد. چهار سندِ داستانی را با سه کلاس به یک قراردادِ قابل رفت‌وبرگشت تبدیل می‌کنیم؛ طبقه‌بند آموزش نمی‌دهیم.
فهرست کلاس و ترتیب ستون بخشی از قرارداد است
ترتیبِ ثابتِ این نمونه [علمی،ادبی،ورزشی] است. برای هدفِ موضوعِ اصلی، نام کلاس به یک عددِ صفرمبنا تبدیل می‌شود: علمی۰،ادبی۱وورزشی۲. این عدد رتبهٔ کیفیت یا اندازهٔ احتمال نیست. برای هدفِ همهٔ برچسب‌های مرتبط، سه مقدارِ صفر/یک با همان ترتیبِ ستون نگه می‌داریم.
| سندِ ساختگی | موضوعِ اصلیِ بازبینی‌شده | هدفِ چندبرچسبی | معنی |
|---|---|---|---|
| D1؛ داستان آزمایشگاه | علمی، کد۰ | [۱،۱،۰] | هم علمی و هم ادبی |
| D2؛ گزارش مسابقه | ورزشی، کد۲ | [۰،۰،۱] | فقط ورزشی |
| D3؛ آشپزیِ خارج از این دامنه | None | [۰،۰،۰] | بازبینی کامل؛ هیچ‌یک از سه برچسب |
| D4؛ هنوز بازبینی‌نشده | None | None | هدف نامعلوم است |
برچسب‌های این چهار نام را دستی به‌عنوان صورت تمرین داده‌ایم؛ کد از اسم سند، موضوع را تشخیص نمی‌دهد. انتخابِ موضوع اصلیِ D1نیز یک تصمیمِ تحریریهٔ همین نمونه است، نه نتیجهٔ argmaxروی احتمال‌های یک مدل. در هدف تک‌انتخابی باید قاعدهٔ موضوع اصلی از قبل تعریف شود.
همه‌صفر با نامعلوم فرق دارد
در D3، بازبین فرضی همهٔ سه برچسب را بررسی و رد کرده است؛ بنابراین []در ورودی به [۰،۰،۰]تبدیل می‌شود. D4هنوز برچسب ندارد و Noneمی‌ماند. تبدیلِ Noneبه همه‌صفر، ندانستن را به سه پاسخِ منفی تبدیل می‌کند. در مسئلهٔ تک‌انتخابی هم Noneیک کلاسِ معتبرِ تازه نیست؛ آن ردیف هنوز هدف قابل استفادهٔ آن قرارداد را ندارد.
اگر دادهٔ شما برچسب‌گذاریِ ناقصِ هر ستون دارد، یک Noneبرای کل ردیف کافی نیست و به ماسک یا قراردادِ جزئیِ جدا نیاز دارید. این نمونه آن حالت را پیاده نکرده و هدفِ unknownرا برای آموزش خودکار صفر نمی‌کند.
چرا argmaxاطلاعات را حذف می‌کند؟
برای [۱،۱،۰]، انتخابِ یک جایگاهِ بیشینه با قاعدهٔ اولین تساوی فقط علمی را نگه می‌دارد و ادبی حذف می‌شود. این بردار، برچسب مرجع است نه احتمال؛ مثال فقط نشان می‌دهد عملگرِ تک‌انتخابی جایگزینِ نگه‌داشتنِ چند برچسب نیست. آستانه و وابستگیِ برچسب‌های یک مدل واقعی به آموزش و روش تصمیم نیاز دارند.
فایل چه چیزهایی را واقعاً کنترل می‌کند؟
Pythonچهار ردیف را می‌سازد و decodeمی‌کند، صفر و unknownرا جدا نگه می‌دارد و شش ورودیِ نامعتبر را رد می‌کند: نام کلاس ناشناخته، برچسب تکراری، طولِ نادرستِ بردار، مقدار۲، boolو نام ناشناخته در هدف تک‌انتخابی. ترتیب ستون در همهٔ مسیرها ثابت است؛ عوض‌کردن آن در ارزیابی، معنای خروجی را عوض می‌کند.
ماتریسِ indicatorبه‌تنهایی تابع زیان، شبکه یا روش مستقل‌بودنِ برچسب‌ها را مشخص نمی‌کند. چندبرچسبی را هم با چندخروجیِ چندکلاسه که هر خروجی بیش از دو حالت دارد یکی نگیریم. سنجه‌های چندکلاسه موضوعِ ارزیابیِ خروجی‌اند، نه سازندهٔ قراردادِ هدفِ این صفحه.
برای مسئلهٔ واقعی از کجا شروع کنیم؟
برچسب اصلی و فرعی تماس دربارهٔ تعریفِ موضوع و مخرجِ گزارشِ کسب‌وکار است؛ این نوشته کدگذاری عددیِ ردیف، unknownو رفت‌وبرگشت را اجرا می‌کند. در درخواستِ تحلیل با اپرابین، تعریف و نمونهٔ مرزیِ برچسب و روش بازبینی را همراه بیاورید؛ کد این صفحه قابلیتِ طبقه‌بندی یا قالبِ خروجیِ محصول را اعلام نمی‌کند.
فایل تمرین و منبع
چهار سندِ اصیل، ترتیب سه کلاس و صفر در برابر unknown · encode/decodeِ هدف و ردِ label/shape/binaryنامعتبر
منابع در ۳ نوامبر ۲۰۲۶ خوانده شدند؛ این تاریخ، تاریخ انتشار منبع نیست. مثال‌ها و فایل‌های این راهنما آموزشی و ساختهٔ تحریریه‌اند.