CNN 音频分类器训练了 3 个类，预测的总和应该小于 1

【问题标题】：CNN audio classifier trained with 3 classes and the sum of the prediction should be less than oneCNN 音频分类器训练了 3 个类，预测的总和应该小于 1
【发布时间】：2020-04-13 20:28:36
【问题描述】：

我构建了一个包含 3 个类的 CNN 音频分类器。我的问题是他们的课程超过 3 个，例如第四个可能是“噪音”。因此，当我称之为预测时，这 3 个类的总和始终为 1。

prediction = model.predict([X])

是否有可能提取每个类的准确度，使这些准确度的总和小于 1？

【问题讨论】：

标签： python keras classification conv-neural-network

【解决方案1】：

如果您使用 softmax 激活函数，您将强制输出总和为 1，从而在您的类之间产生相对置信度分数。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”类型的方案更适合您的目的。例如，每个类都可以有一个 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，则不会预测任何类，因此是空的或隐含的“噪声”。

【讨论】：

谢谢，这正是我所需要的。