问如何在MATLAB中验证概率神经网络给出的输出？

EN

嗯，我想你不太明白验证是从神经网络的角度来说的。不能只使用一个示例来检查您的网络。所以，我试着教你们我所知道的关于验证神经网络的知识。这是一个漫长的统计过程，涉及到对“真实世界数据”、“预期行为”、.你不能用10-20的数据和一个验证点来验证一些东西。

一般来说，当你教一个神经网络时，你应该有3集：

• 首先，训练集是算法的输入，用来设置不同网络的权重。这只是一种强制数据，用来运行算法。
• 第二组，验证集用于为您的问题选择正确的算法并减少过度拟合。它比较不同的表现和挑选最好的(装备的一个将不会有一个好的表现)。
• 测试集：这是最后一个阶段。在选择了算法及其参数之后，您使用了一组新的数据(从现实世界中获取)，然后检查它是否执行了它应该做的事情(这就像一个一致性测试)。

(资料来源：https://stats.stackexchange.com/questions/19048/what-is-the-difference-between-test-set-and-validation-set)

例如，我们正在构建一个算法，用于检查一个人是否“有机会致富”。这是你如何建立和有效的神经网络。

1. 首先，我们询问了1万人是否富有，并检查了一些参数(年龄、地点、.)。它制作了“原始数据集”。
2. 我们将10,000人分成3组(6000,000和2000)：培训集、验证集和测试集(注意:根据验证过程的不同，比例可以改变)。
3. 我们应用学习集(6000个第一次数据)，并将它应用到我们的不同的神经网络来教他们(让我们命名它们A，B，C和D)
4. 我们采用验证集(2000下数据)来检查这四个网络的性能。这是如何避免过度拟合。让我们假设网络A根本不是网络，它只是一个记录器。它记录不同的数据和它们的类，但根本无法预测任何东西。如果我们使用6000名第一人称进行验证测试，“虚拟算法”将给出100%的结果，但在该测试上将完全失败。因此，在测试之后，您可以选择“最佳算法”。让我们选C。
5. 现在，我们使用其余的数据(测试集，或者新的数据，如果可以的话，它总是更好)运行C。如果我们看到C有一种非常奇怪和不可预测的行为(它可能是由一些人为错误引起的，例如，生成不完全独立或仍然正确的集合，例如，如果数据来自1996年)，我们会选择另一种算法，或者我们尝试检查数据或算法的问题所在。

这就是如何建立一个可靠的神经网络(别忘了，两个主要问题是不检查最终结果和过度拟合)。

因为过度适应是一个关键的概念。我试着给它下一点定义，并给出一个例子。过度拟合是一种算法，它能够建立非常接近的近似，但不能预测任何东西(我称之为“虚拟算法”)。

例如，让我们比较一下线性插值器和多项式(1000000次，非常高次)。我们的多项式算法可能会很好地拟合数据(极端拟合就是精确地拟合我们所有的数据)。但是，它根本无法预测任何事情。

对于下面的例子，如果我们在我们的验证集(从实际数据中提取)中有(2，-2)和(-1,2)中的一个点，我们可以假设我们的多项式插值显然是过拟合的，因为它表示诸如(-1,10)和(2,20)这样的值。线性的应该更近。

​

​

我希望这会有所帮助。(请注意，我不是该领域的专家，但我试图给出一个非常易读和简单的答案，所以如果有任何错误，请随意评论:)