神经网络 - 如何将信心与损失函数联系起来？

Question

我正在尝试使用基于 an autoencoder 的神经网络进行 OCC (one class classification)。

长话短说，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。然后将它们压缩（参见自动编码器）。 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），并根据损失函数知道我传递给它的数据是否属于目标类。

我想知道如何根据通过测试数据时获得的损失函数计算分类置信度百分比。

谢谢

如果对我使用 Tensorflow 有帮助

Answer 1

实际上，实际上通常您会尝试最小化您的 cost 函数（或者在一次训练观察的情况下，您的损失函数）。通常，您要预测的类的概率不是使用损失函数完成的，而是使用例如 sigmoid 输出层。您需要一个从 0 到 1 并且表现得像概率的函数。你从哪里得到使用损失函数来评估概率的想法？但我不是一类分类（或异常值检测）的专家......我猜你实际上想要你观察到不属于你的类的概率，对吧？