我正在尝试使用基于one class classification的神经网络进行OCC（an autoencoder）。
总而言之，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。然后压缩它们（参见autoencoder）。 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），并根据损失函数，我知道传递给它的数据是否属于目标类。
我想知道如何根据我在传递测试数据时获得的损失函数来计算％的分类置信度。
由于
如果它有助于我使用Tensorflow
答案 0 :(得分：-2)
实际上通常你会尝试最小化你的成本功能（或者在一次训练观察的情况下你的损失功能）。通常，您想要预测的类的概率不是使用损失函数完成的，而是使用sigmoid输出层。你需要一个从0到1的函数，它的行为就像一个概率。你在哪里想到使用损失函数来评估你的可能性？但我不是一个班级分类（或异常检测）的专家......我猜你实际上想要观察属于你的班级的不的概率是对的吗？