如何在MATLAB中验证概率神经网络给出的输出？

嗯，我认为您不太了解验证是指神经网络。您无法仅使用一个样本来检查网络。因此，我将尝试教您有关验证神经网络的知识。这是一个漫长的统计过程，涉及对“现实世界的数据”，“预期的行为”等的反思。...您无法使用10-20个数据和一个验证点来验证某些东西。

通常，当您教一个神经网络时，您应该有3套：

• 第一个是训练集，它是算法的输入，用于设置不同网络的权重。这只是一种用于运行算法的强制性数据。
• 第二套验证集用于为您的问题选择正确的算法并减少过拟合。它比较了不同产品的性能并选择了最好的产品（过拟合的产品根本不会有很好的性能）。
• 该测试仪：这是最后阶段。选择算法及其参数后，您将使用一组新数据（取自现实世界），并检查其是否执行了应做的工作（就像一个一致性测试）。

（来源：https : //stats.stackexchange.com/questions/19048/what-is-the-difference-between-test-set-and-validation-set）

例如，我们正在建立一种算法来检查一个人是否“有一定机会变得富有”。这是您制作和验证神经网络的方法。

1. 首先，我们问1万个人是否有钱，然后检查一些参数（年龄，位置等）。它构成了“原始数据集”。
2. 我们将10000人的清单分为3组（6000 2000和2000）：训练集，验证集和测试集（注意：比例可以根据验证程序而变化）。
3. 我们应用学习集（第一个6000个数据），并将其应用到不同的神经网络中进行教学（我们将其命名为A，B，C和D）
4. 我们使用验证集（下一个2000个数据）来检查四个网络的性能。这是避免过度拟合的方法。假设网络A根本不是一个网络，它只是一个记录器。它记录了不同的数据及其类，但根本无法预测任何内容。如果我们用6000第一人称进行验证测试，那么“虚拟算法”将给出100％的结果，但是在该测试上将完全失败。因此，在测试之后，您可以选择“最佳算法”。让我们选择C。
5. 现在，我们使用其余的数据（测试集或新数据，如果可以的话，它总是更好）运行C。如果我们发现C具有非常奇怪且不可预测的行为（它可能是由某些人为错误引起的，例如创建的集并非真正独立或仍然正确，例如，如果数据来自1996年），我们选择另一种算法或我们尝试检查数据或算法有什么问题。

这是您如何构建可靠的神经网络的方法（请记住，两个主要问题是不检查最终结果和过度拟合）。

过度拟合是一个关键概念。我将尝试对其进行一些定义并举一个例子。过度拟合使得算法能够建立非常接近的近似值，但是却无法预测任何东西（我称之为“虚拟算法”）。

让我们比较一下例如线性插值器和多项式（第1000000次，非常高的次数）。我们的多项式算法可能很好地拟合了数据（极端的过度拟合正好拟合了我们所有的数据）。但是，它根本无法预测任何东西。

对于下面的示例，如果在验证集中（从真实世界数据中提取）在（2，-2）和（-1,2）中有一个点，则可以假定多项式插值显然过拟合，因为它建议值例如（-1,10）和（2,20）。线性的应该更接近。

希望对您有所帮助。（请注意，我不是该领域的专家，但我尝试做出一个非常易读和简单的答案，因此，如果有任何错误，请随时发表评论：））