NN 模型输出一个类别进行二元分类

Posted 2023-03-13

【中文标题】NN 模型输出一个类别进行二元分类

【英文标题】：NN model ouputs one category for binary classification

【发布时间】：2020-03-12 17:57:29

【问题描述】：

我的数据集包含标签为 0 和 1，其中包含 100 个示例，每个示例的特征维度为 39。有 50 个示例属于 1 类，其余 50 个属于 0 类。图形输出仅显示一个输出而不是两个。因为有两个类别，所以应该有两个输出节点。我很惊讶为什么会这样。以下是代码。非常感谢您的帮助。

hiddenlayersize = 5;
net = patternnet(hiddenlayersize);
net = init(net);
netperformFcn = 'crossentropy';
[net] = train(net,x,t);
out = sim(net,x);

下面是模型：

另外，out 不是二进制的。如何获得二进制的预测标签？

【参考方案1】：

分类以概率的形式输出结果——你的结果很好。 默认阈值为 0.5，用于将概率转换为 2 个类别，例如 0 和 1。 您可以微调阈值 - 通过上下移动并进一步分析结果，如误报、误报、精确召回曲线等，具体取决于目标是什么。

希望这会有所帮助。

【讨论】：

感谢您的回答，但不清楚为什么图片中只有一个输出节点而不是 2 个用于二进制分类。图片是错误的，所以模型，我猜。您能否回答我哪里出错以及如何将输出概率更改为 0/1 类标签。

图和模型都正确。取文件中的输出概率，比如 excel 并将 > 0.5 标记为 "1" ，其余为 0。这是将概率转换为二进制值的默认阈值。然后通过改变不同的阈值水平来分析误差。例如 - 在 0.5 阈值之后 - 您可以尝试 0.4 并查看损失是减少还是增加。

您能否解释一下为什么说应该有 1 个输出节点而不是 2 个输出节点，因为有两个类标签，但它不是 1 就是 0。

因为 NN 输出的是分类问题的概率，而不是离散值（这里是 0 和 1），所以它是工作和决策 - 我们如何使用阈值标准将这些概率映射到 0 和 1 .

非常感谢！如果您能查看我在这里提出的关于使用 MLP 的类不平衡问题的另一个问题，我将不胜感激 ***.com/questions/58894816/…