如有一個神經網絡已經訓練好了，則可以通過改變測試集與訓練集相似程度的辦法改變這個網絡的分類準確率。

(0,1)---m*n*k---(1,0)(0,1)

比如一個分類0和1的網絡，如果測試集的圖片寫的都比較規范，則分類準確率一定較高。相反如果測試集寫的都很潦草，那分類準確率就不會太高。所以在這個測量的過程中，觀測行為本身確實改變了測量的結果。但測量數值的大小取決于測試集與訓練集的相似度。

現在假設一個訓練集未知的神經網絡，雖然很難通過構造測試集的辦法保證一個很高的分類準確率。但左右網絡分類準確率的仍然是測試集與訓練集的相似度。這一因果規律仍然是成立的。

比如讓原子A和某一未知訓練集x分類

(A，x)---m*n*k---(1,0)(0,1)

如果A被分類為(1,0)說明A穩定未變化，如果A被分類為(0,1)說明A已不再是A，發生了衰變。因為x是未知的，所以A是否發生衰變很難被穩定控制。

比如薛定諤的貓的實驗，雖然要通過打開盒子的辦法確認貓的狀態，但并不能找到一種打開盒子的有效方式使得每次打開盒子都可以看到一只活貓。所以如果認為是測量行為改變了測量結果，那打開盒子也僅僅是測量行為的一部分。可以合理假設是打開盒子的過程中引入了其他變量決定了測試集與訓練集的相似度并最終導致分類結果。

《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的一个训练集未知的神经网络的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。