如何解釋neurolab模擬的輸出？

Question

我正在使用neurolab來模擬神經網絡，將數據集分類為二進制分類。

我在數據幀中有數據。我正在創建一個具有一個輸入值和一個輸出值以及10個隱藏節點的神經網絡。

df_train = pd.read_csv("training.csv")
target = df_train['outputcol'] # already encoded into 0's and 1's
inp = df_train.INPUT_AMT.values.reshape(df_train.INPUT_AMT.count(),1)
output = target.reshape(len(target),1) #reshaping into a matrix

然后我創建一個模型，min_input和max_input計算：

net = nl.net.newff([[min_input,max_imput]], [10,1]) 
error = net.train(inp,output)
out = net.sim(inp)

這是變量out的內容：

array([[ 0.46434608],
   [ 0.47084458],
   [ 0.46583954],
   ..., 
   [ 0.46898838],
   [ 0.22519667],
   [ 0.46541441]])

這應該怎么解釋？

Answer 1

我們的Piazza頁面（加州大學伯克利分校，INFO290t）上的答案似乎是正確的：

我相信您應該將輸出舍入為零或一，然后將舍入結果與目標進行比較以確定准確度。

“如果分類器的輸出是0到1之間的連續值，例如帶有sigmoid輸出節點的神經網絡，則可以對輸出進行舍入。例如，如果預測為0.80，則將舍入為1 （羅姆尼）......對於神經網絡，你應該將奧巴馬映射到0，將羅姆尼映射到1。“