解释神经网络的输出

Question

我已经实现了一个用于预测的神经网络， 对于输入数据，我使用以下公式来规范化数据
Data_normalized_i= [Data_i - Min_data]/[Max_Data- Min_data]

我有一些问题：

1. 如何根据我的输入解释我的网络输出？
2. 我必须使用真实数据输入将其与输出进行比较吗？
3. 如果我必须对输出进行一些转换，那么如何？对于这种情况下的测试误差，是从输出还是从变换后的输出中计算出来的？

问候。

Answer 1

1）在标准的三层MLP中，输出节点（或多个节点）将具有阈值函数，在训练分类后趋向于0或1，或者在一定范围内的实数值为回归/函数逼近。

2）一般来说，您可以而且应该使用标准化数据。

3）对于分类，将输出视为布尔值。对于回归/近似，则输出对应于基于训练数据的网络的最佳估计。