যখন আপনার ক্লাসগুলি পারস্পরিকভাবে একচেটিয়া থাকে (উদাহরণস্বরূপ যখন প্রতিটি নমুনা এক শ্রেণির অন্তর্গত) তখন শ্রেণীবদ্ধ ক্রসসেন্ট্রপি ব্যবহার করুন এবং যখন কোনও নমুনায় একাধিক শ্রেণি বা লেবেল থাকতে পারে তখন নরম সম্ভাবনা থাকে (যেমন [০.০, ০.০, ০.২])।
শ্রেণীবদ্ধ ক্রসসেন্ট্রোপির সূত্র (এস - নমুনা, সি - ক্লাসেস, s ∈ c - নমুনা শ্রেণীর সি অন্তর্গত):
- 1এনΣs ∈ SΣসি ∈ সি1s ∈ cl ও জিp ( s ∈ c )
- l ও জিp ( s ∈ c ) সত্য বর্গ গ জন্য।
এটি সময় এবং স্মৃতি সংরক্ষণ করতে দেয়। 10000 শ্রেণীর ক্ষেত্রে পারস্পরিকভাবে একচেটিয়া থাকার ক্ষেত্রে বিবেচনা করুন - প্রতিটি নমুনার জন্য 10000 যোগফলের পরিবর্তে কেবল 1 লগ করুন, 10000 ফ্লোটের পরিবর্তে কেবল একটি পূর্ণসংখ্যা।
ফর্মুলা উভয় ক্ষেত্রেই একই, সুতরাং নির্ভুলতার কোনও প্রভাব হওয়া উচিত নয়।