matlab - 训练神经网络 matlab 后的预测

Question

我是使用 matlab nn 库的新手。我正在寻找 2 类二元分类。如 documentation ，我已经训练了网络。代码outputs = net(inputs)没有给我类标签，而是给我一些 float 。如何获取类标签结果，以便在网格搜索中使用它来优化参数？我正在使用 10 倍交叉验证。

Answer 1

执行分类时使用神经网络执行此操作的传统方法是使用 one-hot encoding 执行此操作。 。为了促进 one-hot 编码，您需要检查哪个神经元给出了最大的响应。无论神经元给你最大的 react 是什么，你都会选择相关的类别标签。例如，在您的两个神经元网络中，如果神经元 1 给出的响应为 0.64，而神经元 2 给出的响应为 0.36，则您提供给神经网络的输入将被分类为标签 1，因为神经元 1 给出的响应最高。

请注意，在神经网络工具箱中，每个示例都位于列中，而每个特征位于各层之间的行中。因此，对于输出层，第一个神经元的输出位于第一行，第二个神经元的输出位于第二行。

为了方便查找类，我假设您使用命令行函数而不是 GUI，因为这样会更容易:https://www.mathworks.com/help/nnet/gs/classify-patterns-with-a-neural-network.html#f9-26645 。如果您按照本教程进行操作，您的工作区中应该有一个名为 net 的神经网络。只需通过网络转发示例，然后沿着所有列选择每行中最大的一个即可确定每个示例的类别。

假设您的训练、验证或测试数据存储在名为 inputs 的变量中，您的代码将如下所示:

outputs = net(inputs);
[~, classes] = max(outputs, 1);

classes 将是一个 1 x N 数组，其中 N 是您提交到包含类的网络中的示例总数您向网络提供的每个示例。