我正在绕开使用单个或双重输出神经元进行二进制分类的区别。我知道“双神经元情况下的更多参数和计算”,但我不介意再等几个小时来获得更好的模型。还有其他原因使单个神经元病例更好吗?
同样在Keras中,当我训练具有单个输出节点(最终密集层)的分类器时,predict
方法返回属于类1的测试图像的概率值(在我的情况下为Sigmoid)。这对另一个班级0意味着什么?
我发现了另一个answer,他说
'您可以认为您有两个输出,但是其中一个输出的所有权重等于零,因此其输出将始终等于零'
这是否意味着网络根本不了解其他课程?从理论上讲,这是否意味着我可以仅使用1类的图像或0类的垃圾进行训练?
同样在单输出情况下,如果必须将阈值设置为0.95之类的值,那我一定做错了对吗?或者,如果我获得良好的准确性,任何阈值都可以吗?我无法理解的是为什么可以将阈值从0.5更改为正确,因为如果我是对的,我的S形输出表示网络认为该图像属于90级概率的1类图像(例如),为什么可以将阈值保持在95pc并将此图像归类为0类?
我的问题可能无所不在,请原谅我并指出我可以澄清的地方。谢谢!