如何对不匹配任何标签的数据进行分类答案

【问题标题】：How to classify data which doesn't match any label如何对不匹配任何标签的数据进行分类
【发布时间】：2017-10-16 22:11:51
【问题描述】：

我正在创建一个受监督的卷积网络，它可以识别区域语言中的短语。

例如：

我有一个数据集，其中包含标签 A 的 100 个声音和标签 B 的另外 100 个声音。现在网络的正常操作是区分标签 A 和标签 B 之间的声音。

但是假设我给网络一个新的声音来分类它实际上既不是 A 也不是 B。现在我希望神经网络告诉我它不符合任何标签。

我怎样才能做到这一点？

能否请您指出这种用法的正确方向。

谢谢

【问题讨论】：

【解决方案1】：

基本上，当您有一个 NN 时，您有一个输出层，除了为您提供一个概率您的输入是否被预测属于您的任何一个类（由您的支持NN）。

因此，如果预测（在实际输入上）为您的所有类提供了足够低的概率（由您来定义阈值），您可以说输入与您的任何类都不匹配。

统一更新： 尝试this course 了解机器学习方法以及这些方法背后的数学范式。从非常基本的概念和实际练习中逐步介绍。在开始玩 NN 之前，需要了解很多基本知识。

【讨论】：

我试试看！据我记得，这些概率的总和是 1。不是吗？
概率之和为 1。NN 告诉您，您的新输入是否具有更高的 A 或 B 相关性（分数）。如果您的新输入既不是 A 也不是 B，则结果告诉您输入更有可能是哪个。如果输入与 A 和 B 的相关性较低，则设置阈值的解决方案可能是可靠的。您可以优化阈值，也可以创建另一个 C 类并用任意声音（其他随机词甚至噪声？ )。
@penduDev 当然概率之和是 1。这意味着如果你有一个二元分类问题（如果输出是 A？）并且预测给你 0.25，那只意味着你有 75%与 A 有一些不同。如果您对 A、B 和 C 进行分类，则它们三个都可能得到 0.1 的概率。这仅意味着网络无法识别输入并且结果不属于这三个类别中的任何一个。（基本上取决于您对多类分类问题使用的方法）
@YiruiJiang 你能告诉我如何在网络上设置阈值，我不想创建另一个 C 类
@AlexeyR。我刚刚确认如果我使用softmax函数，那么概率的总和总是在二分类或多分类时。但是 logits（softmax 之前的 1 步）是不同的，总和不等于 1。所以我可能可以在 logits 步设置阈值。但是我到底该怎么做呢？