我在最后一层创建了一个具有S型激活函数的神经网络，因此我得到的结果介于0和1之间。我想将事物分类为2类，因此我检查“数字> 0.5，然后是1类，否则是1类” 0“。全部基本。
但是，我想说“它在类0中的概率是x而在类1中的概率是y”。
我怎样才能做到这一点？
像0.73这样的数字是否告诉我，肯定有73％属于1级？然后1-0.73 = 0.27，那么0级的27％？
当它为0.27时，是否表示在0级中为27％，在1级中为73％？没有意义。
我应该使用0.5，然后看看“数字离中心有多远，然后就是百分比”？
还是我误解了NN的结果？
最佳答案
Does a number like 0.73 tell me it's 73% sure to be in class 1? And then 1-0.73 = 0.27 so 27% in class 0?
答案是否定的。当我们使用Sigmoid函数时，结果的总和不会为1。类的结果总和可能小于1，或者在某些情况下，可能大于1。
在相同情况下，当我们使用softmax函数时。所有输出的总和将加到1。
关于python - 将S形结果解释为神经网络中的概率，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/57903518/