神经网络分类器的风险评分(超过2类)

Question

我正在尝试使用神经网络来执行多类分类。这些类表示保险风险级别。风险级别最大的是1级，最小的风险对应于10级。标签来自无监督聚类，不带注释的保险数据。其架构是：

输入层43特征

致密，1000个神经元，ReLu激活

密集的500个神经元，ReLu激活

输出10个神经元，Softmax激活

特别地，对于二进制分类，我们可以使用单神经元作为最后一层。然后，我们定义分数作为最后一层的输入值。但是有超过两节课我都不知道该怎么做。

我的问题是:是否有一种方法可以获得一个一致的风险评分，也就是说，这个级别越高，这个分数就越小？我试着使用逻辑，而不是标准化的概率等等，但不确定是否有方法从逻辑中获得一个一致的分数？谢谢你在这个问题上的任何暗示。

Answer 1

不如用更简单的方式做好吗？

以正常的方式进行分类，分数越高，级别越高。然后，对于最后的输出，只需反转级别即可。

例如，从分类中，最低的分数为1级，最高的分数为10级。然后，将1级作为最后输出的10级，10级为1级。