解释MLP输出

Question

我刚用Python写了一个MLP。经过训练后，我传入一些测试数据以查看结果，并在输出处得到一个十进制数数组，而不是期望的二进制输出。

例如，我将获得[0.43, 0.56, 0.1, 0.8]，而不是[0, 1, 0,1]。

我怎样才能做到这一点呢？

谢谢

利亚姆

Answer 1

这看起来像一个模型的例子，输出在类别1中的概率，然后由你来决定截止点。

您给出了一个(0.43, 0.56, 0.1, 0.8)输出的示例。如果您的截止值是0.5，那么您将得到(0, 1, 0, 1)的分类。如果您在0.2设置了截止点(这是允许的)，那么您将得到(1,1,1,0)的分类。在您使用的任何软件中都应该有这样的方法。如果所有这些都失败了，您可以循环遍历概率值的向量，并生成一个新的向量，其中包含一些关于该值是否超过阈值和值是否超过阈值的条件语句。我会给出一些伪码。

for value...
  if value>threshold
    new value =1
  else
    new value =0

这导致了ROC曲线和曲线下的面积，在这里，模型在所有断口上都有其精度评估。也许更好的方法是使用严格正确的得分规则。您可以在交叉验证堆栈( stats.stackexchange.com )上阅读更多有关此问题的信息。请留意弗兰克·哈雷尔()关于这一主题的帖子。无耻地，我将提到我的一个帖子，在那里我有点挑战这个想法：https://stats.stackexchange.com/questions/464636/proper-scoring-rule-when-there-is-a-decision-to-make-e-g-spam-vs-ham-email。

松散地说，严格正确的评分规则会惩罚模型对其预测缺乏信心。输出在0.56第一类中的概率并不像0.99那样好。把第一个想象成“当然，我猜是第一类”，而第二个是“哦，是的，它是第一类！”