Классификатор звука CNN, обученный с 3 классами, и сумма прогноза должна быть меньше чем один

Question

Я построил классификатор аудио CNN с 3 классами. Моя проблема в том, что их более 3 классов, например, четвертый может быть "шумом". Поэтому, когда я называю прогнозирование, сумма этих трех классов всегда равна 1.

prediction = model.predict([X])

Возможно ли как-то извлечь точность каждого класса, чтобы сумма этих погрешностей была меньше? тогда 1?

Answer 1

Если вы используете функцию активации softmax, вы заставляете выходы суммировать до 1, тем самым делая относительную доверительную оценку между вашими классами. Возможно, не зная больше о ваших данных и приложении, схема типа «1 против всех» будет работать лучше для ваших целей. Например, у каждого класса может быть функция активации сигмовидной кишки, и вы можете выбрать самый высокий прогноз, но если этот прогноз недостаточно высок на пороге чувствительности, то ни один из классов не прогнозируется и, как таковой, является пустым или неявно «шумовым».