在这篇文章中,我的目的是简单解释神经网络如何执行二元和多原分类。我将解释二元分类只是网络执行的核技巧,而多类分类只是搜索最优功能。简单的2D案例我们想做一个二元分类,其中输出可以是Class1或Class0.最初我们的数据是非线性分离的,看起来像:
图1:绿点(Green)代表0,红点(Red)代表1绿色区域-G是目标决策边界,对于属于G的所有点(x,y),我们的网络输出0.并且类似于R输出1中的所有点(x,y)。考虑一个简单的隐藏层神经网络,其中有两个隐藏的神经元。输出是一个概率P(另一个是1-P,因为只有两个类)。
图2:网络可视化输出方程(1)该图是这样的:对于红色区域中的点X,Y,我们得到P大于0.5,而对于绿色值,我们得到P小于0.5。图2中绿色和红色的边界是决定边界,其中两个类别恰好为0.5(为了更清楚,参见图3)。你可以将这个决策边界视为超平面切割我们的图形。我们的映射是将X,Y(它们不是线性可分离的)投射到另一个空间中,在那里它们可以线性分离,然后在空间中传递线性分类器或超平面。
领取专属 10元无门槛券
私享最新 技术干货