1、神经网络 二分类 vs 多分类
二分类:标签为0和1,网络输出的结果要经过sigmoid激活函数处理,输出值的值域为0~1之间,小于0.5则视为标签0, 大于等于0.5则为标签1
多分类:标签为多个值,网络需要输出一个维度与标签数量一致的z-score向量,向量需要通过softmax激活后转化为对应各标签的概率(概率和为1),而判定出的标签是概率最高的那个。
谷歌人工智能写作项目:小发猫
2、利用RBF神经网络做预测
在命令栏敲nntool,按提示操作,将样本提交进去神经网络多分类预测。
还有比较简单的是用广义RBF网络,直接用grnn函数就能实现,基本形式是y=grnn(P,T,spread),你可以用help grnn看具体用法。GRNN的预测精度是不错的。
广义RBF网络:从输入层到隐藏层相当于是把低维空间的数据映射到高维空间,输入层细胞个数为样本的维度,所以