问用MATLAB实现神经网络的拟合

EN

如果你有一个binary classification task (0/1输出)，那么你可以用两个输出节点训练一个NN，每个类一个，诀窍是在输出节点上使用一个logistic function，这样它总是在[0,1]范围内(如果你使用NEWPR函数，这是默认的)。它可以被解释为一个概率，然后您可以使用默认值0.5作为阈值，或者使用ROC curves为您的情况找到一个更好的阈值。

有关学习异或二进制运算符的简单示例，请参阅this post。

通常，神经网络用于决策，所以0/1的答案就是你想要的：“是”或“否”。

为了实际拟合网络，我们使用了两个已知的集合，它们分别产生“是”和“否”的答案。然后计算作为网络参数的函数的Type I and Type II errors率(通常称为纯度和1-效率)。

这些函数的值在0和1之间。拟合的目标是找到一组网络参数，在类型I和类型II之间产生可接受的平衡，同时使它们尽可能小。