没有合适的资源?快使用搜索试试~ 我知道了~
shaiic#AI-training#10.0-多入单出双层-非线性二分类1
需积分: 0 0 下载量 65 浏览量
2022-07-25
14:31:02
上传
评论
收藏 6KB MD 举报
温馨提示
试读
第10章 多入单出的双层神经网络10.0 双变量非线性二分类10.0.1 提出问题一:异或问题在1969年,一本著名的书《Perceptrons》(感知器,Mi
资源推荐
资源详情
资源评论
Copyright © Microsoft Corporation. All rights reserved.
适用于[License](https://github.com/Microsoft/ai-edu/blob/master/LICENSE.md)版权许可
# 第10章 多入单出的双层神经网络
## 10.0 双变量非线性二分类
### 10.0.1 提出问题一:异或问题
在1969年,一本著名的书《Perceptrons》(感知器,Minsky、Papert,1969)证明了无法使用单层网络(当时称为感知器)来表示最基本的异或逻辑功能。这本书带来了毁灭性的影响,对于感知机这一新生领域的资金支持及兴趣都消失了。
从上图看,两类样本点交叉分布在[0,1]空间的四个角上,用一条直线无法分割开两类样本。神经网络是建立在感知器的基础上的,那么我们用神经网络如何解决异或问题呢?
### 10.0.2 提出问题二:双弧形问题
我们给出一个比异或问题要稍微复杂些的问题,如下图所示:
平面上有两类样本数据,都成弧形分布,由于弧度的存在,使得我们无法使用一根直线来分开红蓝两种样本点,那么神经网络能用一条曲线来分开它们吗?
### 10.0.3 二分类模型的评估标准
#### 准确率 Accuracy
也可以称之为精度,我们在本书中混用这两个词。
对于二分类问题,假设测试集上一共1000个样本,其中550个正例,450个负例。测试一个模型时,得到的结果是:521个正例样本被判断为正类,435个负例样本被判断为负类,则正确率计算如下:
$$(521+435)/1000=0.956$$
即正确率为95.6%。这种方式对多分类也是有效的,即三类中判别正确的样本数除以总样本数,即为准确率。
但是这种计算�
点击阅读更多
资源评论
王者丶君临天下
- 粉丝: 18
- 资源: 265
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功