解释神经网络输出

对于分类问题,神经网络的输出通常是如何确定的?

假设有三个可能的类别,每个类别都有一个数字标识,一个合理的解决方案是将输出相加,并将这个总和作为网络的整体输出吗?还是应该取网络输出的平均值?

关于人工神经网络理论的信息有很多,但关于应用的信息却不多,如果这是一个愚蠢的问题,我深表歉意。


回答:

对于具有3个类别的多层感知器分类器,通常会构建一个具有3个输出的网络,并训练网络,使得第一个类别的目标输出为(1,0,0),第二个类别的目标输出为(0,1,0),第三个类别的目标输出为(0,0,1)。在对新的观测进行分类时,通常选择数值最大的输出(例如,(0.12, 0.56, 0.87)将被分类为第3类)。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注