FF Нейронная сеть и двоичная классификация

Question

Всякий раз, когда я тренирую нервную сеть FeedForward по проблеме двоичной классификации, net возвращает значения float. Какова теория этого? Можно ли это интерпретировать как вероятность? Например, если чистая прибыль 0,7 является эквивалентом того, что существует вероятность 70%, что значение равно 1, а не 0? Так что я должен просто масштабировать значения float и определять порог как 0 или 1?

Answer 1

Я предполагаю, что вы используете сигмоидную функцию как свою функцию активации?

Он вернет значения в этом диапазоне. Когда я играл с моим, я рассматривал его как процент от произвольного диапазона. Это может быть двоичный результат, хотя, если вы можете терпеть небольшую ошибку. Когда я тренировал логические ворота, после довольно успешной тренировки 1 И 1 привел к чему-то вроде 0.9999999; что в значительной степени 1. Вы можете округлить его в точку.

Я сделал сообщение об этом месяц или два назад. Я свяжусь с ним, если найду его.

My question

Answer 2

Когда вы тренируетесь с NN на бинарную проблеме, если не использовать бинарную функцию активации, то ответ будет вероятностью (если вы используете сигмовидный): экземпляр вероятностный принадлежат классу.

Я никогда не использую функцию порога или бинарной активации, потому что всегда интересно изучать вероятности. Например, у вас может быть ошибочный экземпляр, но вы заметили, что его вероятность составляет около 0,5. Поэтому NN не уверен в том, что класс должен быть привязан к экземпляру. Напротив, если экземпляр ошибочно классифицирован и имеет сильную вероятность (близкий к 0 или 1), то это сильная ошибка, и вы должны серьезно понять, почему она ошибочно классифицирована.