Как интерпретировать выход НС (бинарная классификация с одним выходным нейроном)?

Question

[Dragon1]

Имеется два класса 0 и 1, функция активации - сигмоид, НС выдаёт результат, например, 0.2 как это правильно интерпретировать вероятность чего-то, просто считать, что, если выход >=0.5 то объект принадлежит классу 1 иначе 0?

Answer 1

[freeExec]

Можешь так, а можешь выделить уверенный диапазон, а остальное выбросить, т.к. сеть не уверена.

Comments

[Dragon1]

И, если можно, ещё один мини вопрос:
Если Precision и Recall сильно отличаются в чём может быть проблема и проблема это вообще?
Precision: 0.8350515463917526
Recall: 0.36

Answer 2

[rPman]

как угодно, ты даже можешь принять за правильное - близость к нулю, как обучающую выборку построишь так и будет.

если функция ошибки это сумма квадратов разницы выходов обучающей выборки и нейронной сети (а бывает сумма модулей разницы) то зависимость почти линейная - чем дальше от эталонного значения тем менее правильно

Comments

[Dragon1]

И, если можно, ещё один мини вопрос:
Если Precision и Recall сильно отличаются в чём может быть проблема и проблема это вообще?
Precision: 0.8350515463917526
Recall: 0.36

[rPman]

это две из кучи метрик на основе которых можно оценить качество результата
в идеале они должны быть максимально близки к 1, но в реальности увеличивая одну уменьшаешь другую, погугли туториалы и статьи по оценке качества результата сети, тупо первая попавшайся, обычно precision и recall мало уделяют внимания, но ты почитай