如何使用神经网络的输出？

Question

我是神经网络的新手，我正在尝试使用python建立一个小型网络。 但是由于我是新手，所以我不知道如何缩放和比较输出。 所以这是我的问题。

我提供的输入是这样的列表

input = [0,0,1]
desired output = 4

因此，我进行了所有的神经网络编码，数据通过网络传递后，网络使用S型函数输出了-1，+ 1之间的数字。 如何缩放输出以计算期望输出为4的误差？

这可能是一个愚蠢的问题，但是我是机器学习的新手。 谢谢

Answer 1

这不是一个愚蠢的问题。 您想要做的是将所需的输出规格化在网络输出的范围内（或反比例放大网络输出，但范数相反）。

因此，将数据通过类似以下的函数：

def normalize_values(list_of_values, desired_min=-1., desired_max=1.):
    min_val = min(list_of_values)
    max_val = max(list_of_values)
    range = max_val - min_val
    scale = (desired_max-desired_min)/range
    return [((x-min_val)*scale)+desired_min for x in list_of_values)]

Answer 2

在这种特定情况下，您可能需要线性输出节点（即非S型）。 假设这是一个回归问题（如果不是，请参见下文）。 通常，如果不希望NN预测更高的值“更难”，则需要一个线性输出节点。

大多数机器学习模块都允许您进行设置。

Sigmoid输出节点对于分类问题最有用（因为神经网络越来越难以预测值接近1，这是该类的100％确定性）

如果这是一个分类问题，通常NN在每个类别的输出节点上表现更好（因此，对于每个类别使用S型输出节点，其输出值对应于NN认为样本属于该特定类别的机会）。