用 3 类 训练的 CNN 音频分类器,预测总和应小于 1
CNN audio classifier trained with 3 classes and the sum of the prediction should be less than one
我用 3 个 classes 构建了一个 CNN 音频 classifier。我的问题是它们超过 3 classes,例如第四个可能是 "noise"。
因此,当我调用 be prediction 时,这 3 个 classes 的总和始终为 1。
prediction = model.predict([X])
是否有可能以某种方式提取每个 class 的准确度,使这些准确度的总和小于 1?
如果您使用 softmax 激活函数,您将强制输出总和为 1,从而在您的 class 之间获得相对置信度分数。也许,在不了解您的数据和应用程序的更多信息的情况下,“1 vs all”类型方案更适合您的目的。例如,每个 class 都可以有一个 sigmoid 激活函数,您可以选择最高的预测,但如果该预测在灵敏度阈值上得分不够高,那么 class 中的 none被预测,因此是空的或隐式 "noise."
我用 3 个 classes 构建了一个 CNN 音频 classifier。我的问题是它们超过 3 classes,例如第四个可能是 "noise"。 因此,当我调用 be prediction 时,这 3 个 classes 的总和始终为 1。
prediction = model.predict([X])
是否有可能以某种方式提取每个 class 的准确度,使这些准确度的总和小于 1?
如果您使用 softmax 激活函数,您将强制输出总和为 1,从而在您的 class 之间获得相对置信度分数。也许,在不了解您的数据和应用程序的更多信息的情况下,“1 vs all”类型方案更适合您的目的。例如,每个 class 都可以有一个 sigmoid 激活函数,您可以选择最高的预测,但如果该预测在灵敏度阈值上得分不够高,那么 class 中的 none被预测,因此是空的或隐式 "noise."