在Matlab的神经网络工具箱中工作时,创建网络后,当我尝试将其用于分类两个类之间时,我会得到某种相似度值。
sim(net,featureVector)
的输出返回矩阵Out
,大小为[2x1]
,每行有一些值介于[0, 1]
之间。我知道sigmoid函数返回一个值介于[0, 1]
之间,但问题是:“如果一个样本与A类相似度为n%,那么它不应该与B类相似度为(100-n)%吗?” 这是我从几个样本获得的输出= [其中HIT和FAIL是两个类]。因此,从第二个图像中可以看出,神经网络独立于两个类返回某种相似度值,这显然没有遵循上述规则。它似乎对每个类使用一些最小距离公式并独立返回结果。我的确切问题是:1. sim(net,featureVector)
方法具体返回什么?2. 我的想法正确吗?3. 如果是,那么它使用了哪种最小距离算法。4.是否可以提供一些可以学习更多的链接。