Код машинного обучения с большими метками
Я использую dlib для машинного обучения, но обнаружил, что весь код может работать только с одномерной меткой.
Мой набор данных выглядит следующим образом: образцы — это векторы m-длины, а метки — векторы n-длины. (Т> п)
Можно ли обучить dlib такому набору данных? Если нет, какие-либо предложения альтернативного кода?
Благодарю.
bugspy
Решение
Если между разными типами этикеток нет какой-то особой структуры, то правильная вещь — это подготовить отдельные модели для каждой этикетки.
Однако, если у ваших ярлыков есть какая-то особая структура, вы можете использовать инструменты структурного прогнозирования в dlib, чтобы справиться с этим. Такой подход может обрабатывать случаи, когда количество возможных меток очень велико (например, 10 ^ 100000 или даже бесконечно). Но так как вы сказали н<Тогда это, вероятно, не ваша проблема, и вы должны просто обучить отдельные модели прогнозировать каждый ярлык.
Другие решения