机器学习二级分类

Question

我在Azure ML studio中构建了此ML模型，其中包括日期列等4个功能。

试图预测明天的价格是否会比今天高。更高= 1，不更高= 0

这是一个两类神经网络（具有Tune模型的超参数）。

当我测试它时，我希望得到的答案是0-1。当我将功能从1更改为0时，问题就来了。得到几乎类似的答案。

我认为如果1 =得分概率为0.6 那么0（具有相同的特征）的得分应为0.4

数据快照（是的，我知道我需要更多）

模型是通过“ Over5”功能进行训练/调整的，我希望从2级神经网络模块中得到一个介于0 -1之间的答案。

“分数”模块还会产生1到0之间的结果。一切看起来都是正确的。

我更改了规范化方法（在注释者的推荐之后），但是它并没有太大地改变输出。

一切似乎都井然有序，但是我的目标是预测一天结束“ Over5”并得出1的可能性。

当我在Over5列中使用“ 1”测试模型时，得到的预测值为0.55 ...然后我使用相同的设置测试了模型，只是将1更改为0，我仍然得到相同的输出0.55 ...

我不明白为什么会这样，因为模型是在Over5功能上进行训练/调整的。更改该列中的输入应该产生不同的结果？

Answer 1

（通常）神经网络的输出不是概率，所以这可能是您未获得所需的“ 1-P”结果的原因。

现在，如果它是简单的逻辑回归，则将获得概率作为输出，但是我假设您所说的是正确的，并且您正在使用超简单的神经网络。

此外，您可能要更改的是偏差“特征”，这也可能导致模型在训练后为您提供相同的结果。老实说，这篇文章中的信息太少，无法确定正在发生的事情。我建议您尝试规范您的功能，然后再试一次。

编辑：您是否知道您的神经网络实际上有2个输出节点，还是仅仅是一个输出节点？如果有两个，则原始输出与哪个节点具有较高的输出无关紧要。如果仅仅是一个，我会在某个地方对它进行阈值处理（例如> 0.5表示价格将上涨，而<= 0.5则意味着价格将下跌，或者您想要对它进行阈值设置。）某些系统在误报中使用比假阴性阈值在更低的值（例如0.2）下更容易接受。