Tôi có một mạng lưới thần kinh được thiết lập để dự đoán một cái gì đó trong đó biến đầu ra là thứ tự. Tôi sẽ mô tả bên dưới bằng ba kết quả đầu ra có thể A <B <C.
Một cách khá rõ ràng là làm thế nào để sử dụng một mạng thần kinh để xuất dữ liệu phân loại: đầu ra chỉ là một phần mềm của lớp cuối cùng (thường được kết nối đầy đủ), mỗi loại và loại được dự đoán là loại có giá trị đầu ra lớn nhất (đây là mặc định trong nhiều mô hình phổ biến). Tôi đã được sử dụng cùng một thiết lập cho các giá trị thứ tự. Tuy nhiên, trong trường hợp này, các đầu ra thường không có ý nghĩa, ví dụ: đầu ra mạng cho A và C cao nhưng B thấp: điều này không hợp lý đối với các giá trị thứ tự.
Tôi có một ý tưởng cho việc này, đó là tính toán tổn thất dựa trên việc so sánh các đầu ra với 1 0 0 cho A, 1 1 0 cho B và 1 1 1 cho C. Các ngưỡng chính xác có thể được điều chỉnh sau đó bằng cách sử dụng phân loại khác (ví dụ Bayesian ) nhưng điều này dường như nắm bắt được ý tưởng thiết yếu của việc đặt hàng đầu vào, mà không quy định bất kỳ thang đo khoảng thời gian cụ thể nào.
Cách tiêu chuẩn để giải quyết vấn đề này là gì? Có nghiên cứu hay tài liệu tham khảo nào mô tả ưu và nhược điểm của các phương pháp khác nhau không?