假设对于某个输入 x,我有一个神经网络输出向量 { y1, y2, ... , yi },其中输出的第 i 个元素表示 x 被分类为 i 类的概率。我还知道 x 的正确分类,它由向量 y = { 0, 0, ..., 1, ..., 0 } 表示,该向量由零填充并在第 j 个位置包含 1,这表示x 应该被归类为 j 类。
如何衡量神经网络是否正确分类输入?我是否从输出向量中选择最高概率并确定这种分类是否与正确的分类相同?或者我是否将所有输出概率转换为最接近的整数值并将新向量与向量 y 进行比较(如果存在一些不匹配,我会假设网络无法正确对输入进行分类)?我应该如何计算网络的准确性?准确率=正确的分类/所有分类?
最佳答案
您只需将概率最高的输出作为结果,其余的将被丢弃(假设只有一个正确的类别)。当您根据正确的标签检查准确性时,您会得到有时称为 top-1 结果。对于 top-5,您将获取 5 个最高分,并检查这些类别中是否有任何类别与标签匹配。
关于machine-learning - 神经网络的准确性,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/43235908/