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?FF Нейронная сеть и двоичная классификация
ответ
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.
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.
Спасибо за информацию :) –
- 1. Нейронная сеть, стандартная классификация по возрасту
- 2. Регрессионная и нейронная сеть
- 3. Двоичная классификация данных датчика
- 4. Tensorflow, двоичная классификация
- 5. Нейронная сеть и функция активации
- 6. Нейронная сеть и пакетное обучение
- 7. Нейронная сеть и лодка RC
- 8. Теория диаграмм и нейронная сеть
- 9. Линейная и нелинейная нейронная сеть?
- 10. Искусственная нейронная сеть Обучение PSO
- 11. Нейронная сеть не сходится
- 12. Пермутационно-инвариантная нейронная сеть
- 13. Однослойная нейронная сеть
- 14. Нейронная сеть странное предсказание
- 15. Нейронная сеть вес
- 16. Последовательная нейронная сеть
- 17. Parallel нейронная сеть
- 18. Нейронная сеть: «InverseLayer»
- 19. Нейронная сеть «Разведение»
- 20. Свертывающая нейронная сеть?
- 21. Нейронная сеть с выпадением
- 22. нейронная сеть ввода/вывода
- 23. Тренировочная нейронная сеть -
- 24. Нейронная сеть, не изучающая
- 25. XOR нейронная сеть backprop
- 26. Plot нейронная сеть работа
- 27. многоуровневая нейронная сеть
- 28. нейронная сеть работает неправильно
- 29. Ошибка Backpropagation - нейронная сеть
- 30. Нейронная сеть в VB
Я вижу ... Итак, я должен определенно поиграть с порогом, чтобы изменить его с значений float на двоичный вывод (и, возможно, подумать об этом как процент)? –
Я никогда не использовал явный порог. Каждый слой имел узел смещения, поэтому порог автоматически обрабатывался как вес, затем я использовал backpropagation для его обучения. – Carcigenicate
+ Luis Я никогда не использовал явный порог. Каждый слой имел узел смещения, поэтому порог автоматически обрабатывался как вес, затем я использовал backpropagation для его обучения. – Carcigenicate