[英]Can I get signed distance from decision boundary for MLP model?
我有一個三層 MLP 分類器 model。(輸入層 - 隱藏層 - output 層)。
我想計算數據點與決策邊界的符號距離。
在 SVM 或邏輯回歸的情況下,獲得符號距離並不那么困難。
但是 MLP 呢?
我想檢查“新數據距離決策邊界有多遠”,而沒有新數據的真實 label。
基本上,如果在 output 層中不使用sigmoid
激活,分類器 model 的 output 表示與決策邊界的有符號距離。 如果您確實在 output 層中使用了sigmoid
激活,則可以使用以下公式使用逆 sigmoid 來找到帶符號的距離。 如果p
是分類器 model 的 output 在最后一層有 sigmoid 激活, signed_distance = -ln((1 / (p + 1e-8)) - 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.