Matlab 神经网络的输出值

在使用matlab中的神经网络工具箱时。

创建网络后，当我尝试使用它在两个类之间进行分类时，我得到某种相似性值。

sim（net，featureVector）

的输出返回一个矩阵

Out

，它是

[2x1]

每一行的

[0，1]

我知道sigmoid函数返回一个介于

[0，1]

之间的值，但问题是：

如果样本

n%

类似于a类，那么它不应该

（100-n）%

类似于B类吗

这是我从几个示例中获得的输出=>[其中

HIT

和

FAIL

是两个类。]

---

因此，从第二幅图像来看，神经网络似乎独立于两类返回某种相似值，而这两类显然不符合上述规则

它似乎为每个类使用了一些最小距离公式，并独立返回结果

我的确切问题是

1。

sim（net，featureVector）

方法究竟返回什么？
2。我想得对吗？
3。如果是，它使用的最小距离算法。

---

4。一定要给我指出一些我可以从中了解更多信息的链接。

simulate

是模拟的快捷方式，而不是相似性。您得到的是网络

net

的输出节点的值。这两个值是属于每个类的独立分数。如果你想要更像“概率”的东西，你必须对它进行规范化，要做到这一点，只需将这个向量除以它自己的和。因此，将

[a b]

更改为

[a/（a+b）b/（a+b）]

，这将产生总计为

1的值（根据需要）

如果是，它使用的最小距离算法

神经网络不是基于任何sor tof“到类的最小距离”。这是一个更复杂的对象，它来自回归模型，而不是简单的距离度量（虽然显然可以通过神经网络权重明确表示“到类的距离”，但其方程将非常长，特别是对于像图像这样的高维数据）当您使用机器学习算法执行分类时。一个元素在一个类中的预测是独立于另一个的。就像在2标签分类中一样。对象位于类“A”中的概率为“n%”，则其位于类“A”中的概率不是100-“n%”。这可能是其他的价值。概率之和不是100。那么幕后到底是什么在起作用呢？？