แบบหนึ่งและแบบทั้งหมดเป็นวิธีหนึ่งในการใช้ประโยชน์จากการแยกประเภทไบนารี เมื่อพิจารณาถึงปัญหาด้านการแยกประเภทด้วยโซลูชันที่เป็นไปได้ N รายการ โซลูชันแบบหนึ่งเทียบกับทั้งหมดประกอบด้วยตัวแยกประเภทไบนารี N ตัวแยกกัน ซึ่งเป็นตัวแยกประเภทไบนารีหนึ่งตัวสําหรับผลลัพธ์ที่เป็นไปได้แต่ละรายการ ในระหว่างการฝึกโมเดล โมเดลจะทํางานตามลําดับของตัวแยกประเภทแบบไบนารีซึ่งฝึกให้แต่ละรายการตอบคําถามของการแยกประเภท เช่น ถ้าให้รูปภาพสุนัข พนักงาน 5 คน อาจฝึกกัน สี่คนมองว่าเป็นตัวอย่างในเชิงลบ (ไม่ใช่แอปเปิล ไม่ใช่หมี) และอีกคนมองว่าภาพนี้เป็นตัวอย่างเชิงบวก (สุนัข) โดยการ
- รูปภาพนี้เป็นแอปเปิลไหม ไม่มี
- รูปนี้เป็นรูปหมีใช่ไหม ไม่มี
- รูปลูกกวาดนี้ใช่ไหม ไม่มี
- รูปนี้เป็นสุนัขใช่ไหม มี
- รูปนี้เป็นรูปไข่ใช่ไหม ไม่มี
วิธีการนี้ค่อนข้างเหมาะสมเมื่อจํานวนชั้นเรียนทั้งหมดมีน้อย แต่มีประสิทธิภาพเพิ่มขึ้นเมื่อจํานวนชั้นเรียนเพิ่มขึ้น
เราสามารถสร้างโมเดล 1 กับ 5 ที่มีประสิทธิภาพมากขึ้นอย่างมากด้วยโครงข่ายระบบประสาทเทียมแบบลึก ซึ่งแต่ละโหนดเอาต์พุตจะแทนคลาสที่ต่างกัน รูปที่แนะนําในวิธีนี้
รูปที่ 1 โครงข่ายระบบประสาทเทียมแบบ 1 ต่อ 4