我在包含语音特征和加速度计测量的数据集上使用Matlab神经网络工具箱训练了前馈神经网络 . Targetset包含两个数据集目标类：0和1.培训，验证和性能都很好，我已经为这个网络生成了代码 .
现在我需要实时使用这个神经网络来识别出现时的模式，并在我针对之前训练过的NN测试新数据集时生成0或1 . 但是当我发出命令时：
c = sim(net, j)
其中“j”是新数据集[24x11];相反0或1我得到这个作为输出（我假设我得到正确分类的百分比，但没有分类结果本身）：
c =
Columns 1 through 9
0.6274 0.6248 0.9993 0.9991 0.9994 0.9999 0.9998 0.9934 0.9996
Columns 10 through 11
0.9966 0.9963
那么有什么命令或方法可以实际看到分类结果吗？任何帮助高度赞赏！谢谢
2 回答
我不是matlab用户，但从逻辑的角度来看，你错过了一个重要的观点：
神经网络的输入是单个向量，您传递矩阵 . 因此，matlab认为你想要对一堆向量进行分类（在你的情况下为11） . 因此，您获得的向量是这11个向量中的每一个的输出激活 .
输出激活是介于0和1之间的值（我猜你使用的是sigmoid），所以这是完全正常的 . 您的工作是获得最适合您数据的阈值 . 您可以通过对训练/测试数据进行交叉验证来获得此阈值，或者只选择一个（0.5？）并查看结果是否“良好”并根据需要进行修改 .
NN通常使用例如逻辑函数将它们的输出转换为（0,1）内的值 . 这不是百分比或概率，只是确定性的相对衡量标准 . 在任何情况下，这意味着您必须手动使用阈值（例如0.5）来区分这两个类 . 哪个阈值最好很难找到，因为您必须在精确度和召回之间选择最佳权衡 .