0

这篇文档文章解释了如何为分类任务应用多层感知器。我有一个长度为 80 的输入特征向量，想训练一个多层感知器将输入向量分为两类——0 和 1。我的输出层包含 1 个节点。

问题 1）我希望分类器具有二进制输出，但模型输出实数值（介于0和之间1）。为什么会发生这种情况以及如何将其转换为二进制类？教程链接中没有提到如何获得二进制值标签，即在最后一层使用什么函数。

澄清一下，一旦计算出模型输出（以下是前 4 个输出值），

y = 
    0.1042
    0.9961
    0.9956
    0.0049

我可以使用一个简单的阈值函数bin_target = y>=0.5，例如所有大于或等于 0.5 的数字都标记为 1，其余的标记为 0。但是，手动选择阈值对我来说似乎是任意的。

问题 2) MSE 的计算：是否应该计算已知二进制值目标Y和实值模型输出之间的均方误差y或简单误差来报告性能perfClassify = y_bin - Y？

下面的代码是我对数据进行分类的尝试inputs。

% Create a Pattern Recognition Network
hiddenLayerSize = 10;
net = init(net);
net.performFcn = 'crossentropy';
net = patternnet(hiddenLayerSize);

% Train the Network
[net,tr] = train(net,inputs,Y);  % Y=targets

% Test the Network
y = net(inputs);

bin_target = y>=0.5;
error1 = bin_target-Y'; 
% OR
error2 = y - Y';
4

1 回答 1

1

您的问题 1发生是因为默认输出传递函数是'softmax'，它是一个连续函数（从技术上讲，是概率分布）。这样的输出包括“置信度”信息而不仅仅是输出类。我认为这0.5是二元分类问题的正确阈值，因为据我了解，获得输出的值意味着“该输入对应于类的概率true”。

>> net = patternnet;
>> disp(net.layers{net.numLayers}.transferFcn);
softmax

不幸的是，我无法评论是否softmax适合您的问题，但如果您想更改它，您可以使用以下命令找到选项列表help nntransfer：

>> help nntransfer
  Neural Network Transfer Functions.

    compet - Competitive transfer function.
    elliotsig - Elliot sigmoid transfer function.
    hardlim - Positive hard limit transfer function.
    hardlims - Symmetric hard limit transfer function.
    logsig - Logarithmic sigmoid transfer function.
    netinv - Inverse transfer function.
    poslin - Positive linear transfer function.
    purelin - Linear transfer function.
    radbas - Radial basis transfer function.
    radbasn - Radial basis normalized transfer function.
    satlin - Positive saturating linear transfer function.
    satlins - Symmetric saturating linear transfer function.
    softmax - Soft max transfer function.
    tansig - Symmetric sigmoid transfer function.
    tribas - Triangular basis transfer function.

  Main nnet function list.

也许您正在寻找的是hardlim. 要更改传递函数，只需将有效值分配给transferFcn最后一层的字段（例如net.layers{net.numLayers}.transferFcn = 'hardlim';）。

至于问题 2，正如这个答案所解释的，使用连续分数是有益的。

于 2019-11-25T07:28:38.157 回答