每当我针对二元分类问题训练FeedForward神经网络时，网络都会返回浮点值。这背后的理论是什么？可以将其解释为概率吗？例如，如果净收益率为0.7，是否等于说有70％的可能性值是1而不是0？因此，我是否应该缩放浮点值并将阈值定义为0或1？
我假设您正在使用S形函数作为激活函数？
它将返回该范围内的值。当你和我一起玩时，我将其视为某个任意范围的百分比。但是，如果您可以容忍一点错误，则可能是二进制结果。当我训练逻辑门时，在相当成功的训练之后，1 AND 1产生了0.9999999之类的结果；这几乎是1.您可以在该点将其四舍五入。
我在一两个月前发表了一篇关于这个的文章。如果可以找到，我会链接到它。
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句