神经网络用于确定元素属于特定类别的概率

哪种类型的神经网络适合确定元素属于特定类别的概率?

我见过一些神经网络的例子,它们可以确定最高类别预测的概率。比如,当我上传我猫的照片时,神经网络会判定这是猫的概率为80%,而判定为豹的概率为20%。


回答:

概率是最后阶段转换函数的属性,而不是网络类型的属性。你需要的是模型能够解决分类问题,并且具有某种有序的评估(例如,数值型)。可以尝试搜索关于SoftMax的参考资料,这是一种常用的转换函数。

关键部分在于改变网络预测的报告方式。例如,输出前五个类别及其置信度百分比(而不仅仅是最高类别的索引)。这是对最终返回值的修改。

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