从多类分类和到1的概率估计

Question

我使用带有乙状结肠激活函数h(z) = 1 / {(1+e^{-z})} 的神经网络将图像数据分类为6类。当在新的图像数据上运行经过训练的神经网络时，我注意到所有6类假设输出的估计概率之和并不总是等于1。例如，给定一幅输入图像，每个类的假设输出可能是：

类别1- 0.10类2- 0.11类3- 0.12类4- 0.13类- 0.14类6-- 0.15

我将这张图片解释为被归类为6类的13%概率。然而，所有类的总和都是< 1。

我的直觉说，每堂课的概率应该是1，但是，我对机器学习世界还是很陌生的。

我的代码中可能有错误，还是这是“正常”输出？

Answer 1

总结一下两者都可能有其特殊意义，我将尽力解释它们。如果您的类不是相互排斥的，那么假设您有狗类和猫类，并且它们都可以存在于图像中。在这种情况下，您应该使用sigmoid非线性作为每个类的输出，并分别对每个类进行解释。每一个值大于一半的值都可以解释相应标签的存在。相反，你的输入可能是相互排斥的，这意味着在每个输入中，你可能只有一只猫或一只狗。在这种情况下，您应该使用softmax非线性，是的，它总结为一个。胜利者将是价值最高的人。