今天要為大家將分類問題的種類做介紹，分類問題可以細分成下列三個種類，對於不同種類的問題所要用到的標籤、損失函數、激勵函數有所不同，下面詳細說明。

• 二元分類 Binary Classification
  有兩個目標類時所採取的分類，在輸出層的神經元僅有一個，使用Sigmoid作為激勵函數，你可以設定閥值，普遍設定為0.5，在低於0.5時判定為A類，0.5以上判定為B類。使用的損失函數為binary_crossentropy。
• 多類分類 Multi-Class Classification
  在有兩個以上的目標類別時所採取的分類，先前所介紹的手寫數字、cifar10都是此類，圖片所屬類別僅可能是N個當中的一個，在輸出層的神經元數量不定，但是所有神經元機率相加為1，使用Softmax作為激勵函數，輸出判定結果為機率最高的類。使用的損失函數為categorical_crossentropy。
• 多標籤分類 Multi-Label Classification
  在有兩個或兩個以上的目標類別、且單一圖片所屬類別可多於一個時所採取的分類，即One-Hot向量內有不定數量個1，每個標籤為獨立的，因此此類使用Sigmoid作為激勵函數，不使用所有機率相加為1的Softmax，此類也會設定閥值，以cifar10為例，如果機率都低於0.5，那就當作圖片裡沒有任何類別存在，如果有3個大於0.5，那就代表圖片內含三個類別，如汽車、卡車、狗。使用的損失函數為binary_crossentropy。