Вопрос по базовым концептам — как всем известно, даже при multilabel classification
функция потери в результате дает одну ошибку на всех, которая уходит для оптимизации весов.

Что мне кажется нелогичным.

Можно ли для каждого класса выдавать свою ошибку и обучать веса по отдельности для каждого ?
т.е. после тренировочного прогона на кахдый класс выдавать ошибку и оптимизировать веса ...
вы скажете что после нескольких итераций ( для классов ) веса уже будут нерелевантны,
но можно отталкиваться от результата прогона.

наверняка не у меня первого такой вопрос возник — если кто в курсе — где можно посмотреть?

Вопрос по базовым концептам — как всем известно, даже при multilabel classification
функция потери в результате дает одну ошибку на всех, которая уходит для оптимизации весов.

Что мне кажется нелогичным.

Можно ли для каждого класса выдавать свою ошибку и обучать веса по отдельности для каждого класса?
т.е. после тренировочного прогона на кахдый класс выдавать по ошибке и оптимизировать веса ...
вы скажете что после нескольких итераций ( для классов ) веса уже будут нерелевантны,
но можно отталкиваться от результата прогона.

наверняка не у меня первого такой вопрос возник — если кто в курсе — где можно посмотреть?