[英]How do I interpret the output of a neurolab simulation?
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?
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。“
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.