我已经使用Matlab神经网络工具箱在包含语音特征和加速度计测量的数据集上训练了前馈神经网络。Targetset包含数据集的两个目标类:0和1。训练、验证和性能都很好,我已经为这个网络生成了代码。
现在,我需要使用这个神经网络来实时识别发生时的模式,并在针对以前训练的NN测试新数据集时生成0或1。但当我发出命令时:
c = sim(net, j)其中"j“是一个新的dataset24x11;而不是0或1,我将其作为输出(我假设我获得了正确分类的百分比,但没有分类结果本身):
c =
Columns 1 through 9
0.6274 0.6248 0.9993 0.9991 0.9994 0.9999 0.9998 0.9934 0.9996
Columns 10 through 11
0.9966 0.9963那么,有没有什么命令或方法可以让我真正看到分类结果呢?如有任何帮助,非常感谢!谢谢
发布于 2013-01-05 03:23:12
我不是matlab用户,但是从逻辑的角度来看,您遗漏了重要的一点:
神经网络的输入是一个单一的向量,你正在传递一个矩阵。因此,matlab认为您想对一堆向量(在您的例子中是11个)进行分类。所以你得到的向量是这11个向量中每一个的输出激活。
输出激活是一个介于0和1之间的值(我猜您使用的是sigmoid),所以这是非常正常的。您的工作是获得一个最适合您的数据的阈值。你可以通过交叉验证你的训练/测试数据或者只选择一个(0.5?)并查看结果是否“良好”,如果需要,可以进行修改。
发布于 2013-01-05 05:49:35
NN通常使用例如逻辑函数将其输出转换为(0,1)内的值。它不是百分比或概率,而是确定性的相对度量。在任何情况下,这意味着您必须手动使用阈值(例如0.5)来区分这两个类。哪个阈值最好很难找到,因为您必须在精确度和召回率之间选择最佳折衷。
https://stackoverflow.com/questions/14163430
复制相似问题