Обучить неактивный класс в задаче классификации AI

Question

У меня проблема. Я хочу классифицировать данные по n классам. Но я также хочу сказать, что ответ - ни один из этих n классов.

Например, мои классы: HORSE , CAT , СОБАКА . Поэтому я буду тренироваться с данными, относящимися к ЛОШАДЬ , КОШКА и СОБАКА .

Но если я дам своей модели что-то еще, например, машину, я бы хотел, чтобы моя модель говорила, что это не ЛОШАДЬ, или СОБАКА, или КОШКА. Так что, возможно, мне нужно обучить модель с этими классами: ЛОШАДЬ , КОШКА , СОБАКА , ДРУГОЕ ?

Но если я тренирую класс OTHER с данными, как я могу быть уверен, что если я дам ему что-то новое, например космическую ракету, предсказание будет активным для класса OTHER ?

Другими словами, у меня проблемы с неактивным классом. Я не хочу, чтобы моя модель давала «лучший прогноз» между моими желаемыми классами, я также хочу, чтобы она сообщала мне, не является ли это ни один из них.

Спасибо!

Answer 1

У меня есть ответ, и кажется, что есть 2 основных решения этой проблемы:

1. Как я и думал, я могу обучить свои классы и еще 1 для других случаев. Чтобы быть надежным, я должен создать данные для этого класса, которые моя модель может иметь на входе, чтобы охватить как можно больше случаев!

2. Классификатор Train n: 1 двоичный классификатор для 1 класса . У каждого из них есть следующие выходы: Активный / Неактивный.

Для каждого решения, я думаю, необходимо создать набор данных для «других случаев», даже во втором, чтобы избежать неконтролируемых предсказание. В решении 1 вы можете выбрать, хотите ли вы: 1 активный класс (softmax) или несколько активных классов (сигмоид), в решении 2 кажется сложнее контролировать это поведение, поскольку каждый классификатор независим и несколько классов могут быть активными.

источник