我目前正在进行一个关于车辆分类的项目，现在几乎已经完成了，但是我对从神经网络中得到的图表有几个困惑。
我使用了230张图像[90=掀背车，90=轿车，50=SUV]进行80个特征点的分类。因此我的vInput是一个[80x230]矩阵，我的vTarget是一个[3x230]矩阵。
分类器运行良好，但我不理解这些图表是否异常或正常。
我的神经网络如下所示：
[图片]
然后我在PLOT部分点击了这4个图表，并按顺序得到了以下结果。
性能图：
[图片]
训练状态：
[图片]
混淆矩阵图：
[图片]
接收者操作特征图：
[图片]
我知道这些图片很多，但我对它们一无所知。在Matlab文档中，他们只是训练系统并绘制图表。因此，请有人简要地向我解释一下它们，或者向我展示一些学习它们的好链接。
1个回答
6
前两个图显示训练统计信息。
性能图以对数比例显示了所有数据集的均方误差动态。训练MSE总是在减少，所以您应该关注其验证和测试MSE。您的图表显示了完美的训练。
训练状态向您显示一些其他训练统计信息。
梯度是每次迭代中反向传播梯度的值，以对数比例表示。5e-7表示您已达到目标函数局部最小值的底部。
验证失败是验证MSE增加其值的迭代。许多失败意味着过度拟合，但在您的情况下没问题。Matlab会在连续6次失败后自动停止训练。
另外两个图显示了训练之后的网络模拟结果。
混淆矩阵。在您的情况下，它是100％准确的。绿色单元格表示正确答案，红色单元格表示所有类型的错误答案。
例如，您可以将第一个（训练集）解读为：“来自类别1的59个样本被正确分类为类别1，来自类别2的13个样本被正确分类为类别2，来自类别3的6个样本被正确分类为类别3”。
接收器操作特性曲线图以不同的方式显示相同的内容 - 使用ROC曲线：
- Leonid Beschastny
9
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接
[80x230]的二维矩阵，其中80表示特征点数，230表示图像数。 其中，前90个图像属于“掀背车”类别，接下来的90个属于“轿车”类别，最后50个属于“SUV”类别。 所以这就是你在第一条评论中提到的分布吗？我的意思是，我应该尝试将它们随机排列吗...（我认为这不重要） - xor