0
如果我們有神經網絡,並與所希望的輸出,諸如訓練它: 如果情況A的輸出將是0.04 如果情形B然後0.08 如果殼體C 0.12等等,直到1解釋神經網絡的輸出用於和絃識別
如果我們從應用程序過程得到實際輸出0.06,我們如何解釋輸出。它是否會被視爲案例A或案例B?
如果我們有神經網絡,並與所希望的輸出,諸如訓練它: 如果情況A的輸出將是0.04 如果情形B然後0.08 如果殼體C 0.12等等,直到1解釋神經網絡的輸出用於和絃識別
如果我們從應用程序過程得到實際輸出0.06,我們如何解釋輸出。它是否會被視爲案例A或案例B?
這將取決於您的閾值策略。
首先,您必須在每個目標類別之間選擇一個閾值。您可以:
然後當輸出值恰好落在閾值上時,您必須選擇該做什麼,這真的取決於您,您可以選擇將其分爲「左邊」,「右邊」或甚至讓你的網絡說它不能分類輸入。但請記住,在大多數情況下,這種情況不太可能發生,最多隻會接近閾值,但很少會發生。
乾杯,
卓瑪