Neural network 解释用于和弦识别的神经网络输出

如果我们有神经网络，并用期望的输出对其进行训练，例如： 如果是情况A，输出将为0.04 如果是情况B，则为0.08 如果是情况C，则为0.12，依此类推，直到1

---

如果我们从应用程序过程中得到了实际输出0.06，那么我们如何解释输出呢。是算作案例A还是案例B

这实际上取决于您的阈值策略

首先，您必须在每个目标类别之间选择一个阈值。你可以：

• 您可以选择放置任意阈值，可以是中点（即类别0.4和0.8之间的0.6）或其他任何值
• 或者计算减少分类错误的阈值，这可以通过在几个测试运行中平均最佳工作阈值来实现

然后你必须选择当你的输出值正好落在一个阈值上时该怎么办，这完全取决于你，你可以选择将其分类为“向左”、“向右”，甚至让你的网络说它不能对输入进行分类。但请记住，在大多数情况下，这是不太可能发生的，最多它会接近临界值，但很少精确到临界值

干杯

多尔玛