神经网络二元分类softmaxlogsofmax和损失函数

发布于 2025-01-11 19:36:27 字数 943 浏览 0 评论 0原文

我正在构建一个二元分类，其中我想要预测的类仅出现 <2% 的次数。我正在使用 pytorch

最后一层可能是 logosftmax 或 softmax。

self.softmax = nn.Softmax(dim=1) 或 self.softmax = nn.LogSoftmax(dim=1)

我的问题

我应该使用 softmax 因为它将提供总和为 1 的输出，并且我可以检查各种概率阈值的性能。这种理解正确吗？
如果我使用 softmax 那么我可以使用 cross_entropy 损失吗？这似乎建议使用一下就可以了
如果我使用logsoftmax那么我可以使用cross_entropy损失吗？这似乎表明我不应该。
如果我使用 softmax 那么还有比 cross_entropy 损失更好的选择吗？
```
 ` cross_entropy = nn.CrossEntropyLoss(weight=class_wts)`
```

I am building a binary classification where the class I want to predict is present only <2% of times. I am using pytorch

The last layer could be logosftmax or softmax.

self.softmax = nn.Softmax(dim=1) or self.softmax = nn.LogSoftmax(dim=1)

my questions

I should use softmax as it will provide outputs that sum up to 1 and I can check performance for various prob thresholds. is that understanding correct?
if I use softmax then can I use cross_entropy loss? This seems to suggest that it is okay to use
if i use logsoftmax then can I use cross_entropy loss? This seems to suggest that I shouldnt.
if I use softmax then is there any better option than cross_entropy loss?
```
    ` cross_entropy = nn.CrossEntropyLoss(weight=class_wts)`
```