论文里神经 的准确率有人看吗

问：二层神经 准确率一直只有88%左右

1. 答：最近在写两层神经 识别手写数字问题时，一直调参发现准确率只有88%左宽卜右，但是别人的随便给几个参数都能达到95%，心态爆炸。我训练出来的神经 都长这个样子。
   这里只是输出了前面的一部分。看起来就一点不像能正确分类的样子（默默觉得88%已经是太好的结果了。。。）弯汪
   后来对比cs231n的作业，发现自己的神经 在进行learning_rate调整时，是每个iteration都进行调整了，而不是每个epoch，也就是说learning_rate到后面太小了，导致神经 崩坏。于是我将learning_rate_decay从原来的0.95调整到0.99995后，发现训练结果好了很多，准确率直接达到了96%。当然啦，不需要调整learning_rate_decay,直接改为每个epoch调整就行了。
   （至少长得不像上面那样一团噪音了埋巧仔。。。）

问：神经 的准确率是怎么计算的？

1. 答：其实神经 的准确率的标准是自己定义的。
   我把你的例子赋予某种意义讲解：
   1，期望输出[1 0 0 1]，每个元素代表一个属性是否存在。像着4个元素分别表示：是否肺炎，是否肝炎，是否肾炎，是否胆炎，1表示是，0表示不是。
   2，你的神经 输出必定不可能全部都是输出只有0,1的输出。绝大部分是像[ 0.9968 0.0000 0.0001 0.9970]这样的输出，所以只要输出中的某个元素大于一定的值，例如0.7，我们就认为这个元素是1，即是有某种炎。否则为0，所以你的[ 0.9968 0.0000 0.0001 0.9970]可以看成是[1,0,0,1],。
   3，所以一般神经 的输出要按一定的标准定义成另一种输出（像上面说的），看调整后的输出和期望输出是否一致，一致的话算正确，不一致算错误。
   4，用总量为n的检验样本对 进行评价，输出调整后的输出，统计错误的个数，记为m。
   所以检验正确率可以定义为n/m。
2. 答：自己定义吧，根据用处自己设定函数，例如MSE(mean square error)之类的，MSE就是各输出与期望方差之和除以输出节点数。

问：写论文时,几个神经 模型的准确率对比,画在一张图上,怎么画?

1. 答：应该画ROC曲线，几个模型可以用不同的线型。