
336 Глава 11
тив всех (One-versus-All, OvA). Чтобы лучше понять, как он работает, вспомните уни-
тарное представление категориальных переменных, которое мы рассмотрели в главе 4.
Например, мы можем закодировать три метки класса в знакомом наборе данных
Iris (0 = Setosa, 1 = Versicolor, 2 = Virginica) следующим образом:
.
Это унитарное векторное представление позволяет нам решать задачи классификации
с произвольным количеством уникальных меток классов, присутствующих в наборе
обучающих данных.
Если вы впервые столкнулись с обозначениями компонентов нейронной сети, то при-
менение верхних и нижних индексов может сначала