Lección 11 del módulo “Redes Neuronales” del curso Fundamentos de Deep Learning con Python.
En la lección anterior vimos cómo implementar una Neurona Artificial en Keras para entrenar un modelo capaz de realizar la clasificación binaria de un set de datos.
Pues resulta que con tan sólo realizar ligeras modificaciones a este clasificador binario lograremos clasificar datos distribuidos en tres o más categorías.
Veamos entonces en qué consiste esta Clasificación Multiclase.
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Muy bien, acabamos de ver cómo modificar un modelo de clasificación binaria para lograr clasificar datos en más de dos categorías.
La idea básica de esta clasificación multiclase consiste en codificar las categorías usando el formato «one-hot» y luego usando la función «softmax» para convertir las salidas en probabilidades.
Luego se entrena el modelo usando la como pérdida la misma entropía cruzada vista anteriormente y como resultado tendremos un modelo que genera fronteras de decisión son lineales.
Así que en resumen la clasificación multiclase extiende la clasificación binaria a más de dos categorías, modificando la salida, las neuronas y la función de activación.
Y en este punto ya podemos poner a prueba estos conocimientos, así que en la práctica 4 del curso veremos cómo realizar la Clasificación Multiclase en Keras.
Todas las lecciones del curso Fundamentos de Deep Learning con Python.