Sind NN-Klassifikationsausgaben Wahrscheinlichkeiten?

Question

Ich habe gerade begonnen, mit Neuronalen Netzen mit Tensor-Flow zu arbeiten, und ich bin wirklich neu in diesem Zusammenhang. Ich habe mein erstes Modell trainiert, um 2 Kategorien zu klassifizieren, und bin ein wenig neugierig auf die Ausgabe. Lassen Sie uns sagen, dass wir eine Vorhersage machen, basierend auf, ob ein Hauspreis wird steigen und wir eine Ausgabe wie

House A: .99 
House B: .75 
House C: .55 
House D: .40 

bekommen Kann ich davon ausgehen, dass diese Ausgänge sind Wahrscheinlichkeiten? Es ist also wahrscheinlicher, dass Haus B höher geht als Haus C. Oder wird es nur klassifiziert, wenn C und B steigen und Haus D nicht. Vielen Dank!

Answer 1

Ja jede Zahl kann als eine Wahrscheinlichkeit betrachtet werden, die darstellt, wie wahrscheinlich ein Haus im Preis steigen wird. Nur um weiter zu verdeutlichen, beeinflusst die Wahrscheinlichkeitsschätzung eines Hauses die Wahrscheinlichkeitsschätzung der anderen nicht, da sie als separate Stichproben behandelt werden. Da B wahrscheinlicher ist, macht es C nicht weniger wahrscheinlich. Es ist nur so, dass B eher dazu neigt, nach oben zu gehen.

Und die Klassifizierung hängt von Ihrer Schwelle ab. Standardmäßig glaube ich, dass die meisten Klassifikatoren 0,5 als Schwelle verwenden, also werden in diesem Fall A, B und C klassifiziert, um nach oben zu gehen, und D wird klassifiziert, um nach unten zu gehen.

Answer 2

Nicht genau. Ein neuronales Netzwerk gibt eine Vorhersage aus, für was Sie es trainiert haben. Also, wenn Sie es trainiert haben, Wahrscheinlichkeiten vorherzusagen, wird es sicher (Voraussagen von) Wahrscheinlichkeiten ausgeben. Wenn Sie jedoch auf eine Beobachtung trainiert haben, dass der Preis tatsächlich gestiegen ist, sagen Sie eine einzelne Ausgabe, die 1.0 ist, wenn der Preis gestiegen ist, und 0.0, wenn der Preis nicht, dann ist die Ausgabe ein Regressionswert der Beobachtung gegeben die Eingabe. Dies ist nicht unbedingt die Wahrscheinlichkeit, sondern kann eher als das Vertrauen des Modells angesehen werden.