仅具有误报的 MATLAB 神经网络分类器

Question

我一直在尝试设计神经网络，但遇到了一些问题。我比较新手。如果没关系，我想有一些关于结果的 cmet，我从培训中得到。这是具有两个隐藏层、两个输出和 13 个输入的简单前馈 NN。两个隐藏层都包含 7 个神经元。

我提供了一些图表来显示我训练分类器的结果。这些图表与我对成功培训过程的预期略有不同。

第一张图是训练的进展情况。对我来说似乎没问题，但 NN 由于验证错误而不是最小梯度而停止。我不知道这是不是好消息。在第二张图上，梯度似乎在上下波动。这是否意味着，NN 难以找到最佳结构？ ROC 图在真阳性率和假阳性率方面显示了 IMO 非常好的结果。我相信这个值越高，效果越好。但是混淆矩阵是我最担心的。它表明零阳性检测和所有误报。

你怎么看？

Answer 1

我对您的问题的部分看法。 如果要谈论

第一张图是训练的进展情况。似乎没问题 我，但 NN 由于验证错误而不是最小梯度而停止。我不 知道这是否是好消息。在第二张图上， 梯度似乎在上下摆动。是不是意味着，NN 难以找到最佳结构？

没有必要。这可能意味着，NN 找到了合适的权重，然后在它周围跳舞，跳出全局最小值，然后更近或更远地回到它。我可以建议您在训练期间对某些中间阶段进行某种保护，以便稍后检查您可以从中间阶段获得哪些 ROC 和混淆矩阵的结果。在我生命中的某些时候，我取得了更好的结果，有些时候更糟。

ROC 图显示了 IMO 在真阳性方面的非常好的结果 比率和假阳性比率。我相信这个值越高，效果越好。

在这一点上很难不同意你的观点。

如果要谈

但混淆矩阵是我最担心的。它指出 零阳性检测和所有误报。

恕我直言，也可以认为是好的结果，甚至是非常好的结果，因为您的分类在百分比上非常好（对于我工作过的大多数案例来说，这是理想的结果），但也令人困惑。