Python 神经网络-我如何将信心与损失函数联系起来？

我正在尝试使用基于神经网络的OCC（）方法

长话短说，我用200个矩阵训练我的神经网络，每个矩阵包含128个数据元素。然后对其进行压缩（参见自动编码器）。 训练完成后，我将一个新矩阵传递给我的神经网络（测试数据），根据损失函数，我知道传递给它的数据是否属于目标类

我想知道如何根据通过测试数据时获得的损失函数计算分类置信度，单位为%

谢谢

---

如果有帮助的话，我正在使用Tensorflow

实际上，通常情况下，您会尝试最小化您的成本函数（或者在一次培训观察的情况下，您的损失函数）。通常，要预测的类的概率不是使用损失函数，而是使用一个sigmoid输出层。您需要一个从0到1的函数，其行为类似于概率。你是从哪里想到用损失函数来评估你的可能性的？但我不是一类分类（或异常值检测）方面的专家。。。我想你真的希望你观察到的的概率不属于你的类，对吗？

不，最终目标是对象识别，所以我希望它属于类的概率。从第一次阅读来看，这似乎是一篇有趣的文章。。。我不认为简单地使用损失函数来识别类真的很容易，甚至没有很好的数学基础。。。因为从一个非常愚蠢的角度来看，如果你训练一个只有猫的网络，它能做的最好的事情就是总是预测猫，不管输入是什么。。。除非您有一些测试数据集来检查它，否则它可能总是朝这个方向运行。但可能使用不同的技术可以克服这个问题……你是否因为认为自动编码器不合适而分享了这篇文章的链接？