基于迭代次数和分类准确率的两种排序
(A,B)---81*30*2---(1,0)(0,1)
讓分類原點A為mnist的0，分類對象B是1-9，固定收斂誤差，統計迭代次數，并將迭代次數作為B到A的距離，得到數軸
| A | 5 | 7 | 2 | 4 | 3 | 9 | 1 | 6 | 8 |
| 0 | 5402.955 | 7822.01 | 8358.603 | 11983.15 | 12572.23 | 13346.79 | 23558.45 | 25605.5 | 27905.07 |
在一個二分類網絡中，分別統計(1,0)位和(0,1)位的分類準確率，并統計差值，就可以得到分類過程中錯誤圖片的流量和流向。得到表格
| 平均準確率 | 1-0 | 0-1 | 錯誤圖片流量 | ||||
| 0 | 8 | 0.98042272 | 0.989943 | 0.970511 | 0.010057 | 0.029489 | -0.01943216 |
| 0 | 9 | 0.98506133 | 0.992976 | 0.976753 | 0.007024 | 0.023247 | -0.01622312 |
| 0 | 7 | 0.99210495 | 0.993565 | 0.990248 | 0.006435 | 0.009752 | -0.00331658 |
| 0 | 6 | 0.98371182 | 0.984386 | 0.982644 | 0.015614 | 0.017356 | -0.00174171 |
| 0 | 1 | 0.99692903 | 0.994635 | 0.998824 | 0.005365 | 0.001176 | 0.004188945 |
| 0 | 3 | 0.98356606 | 0.980638 | 0.986101 | 0.019362 | 0.013899 | 0.005462312 |
| 0 | 4 | 0.98729595 | 0.97602 | 0.998177 | 0.02398 | 0.001823 | 0.022156784 |
| 0 | 2 | 0.97430592 | 0.961937 | 0.986285 | 0.038063 | 0.013715 | 0.024348744 |
| 0 | 5 | 0.96506537 | 0.943022 | 0.986723 | 0.056978 | 0.013277 | 0.043700503 |
與前文不同，這次實驗測試集與訓練集相同，都是前5000張圖片。因此平均分類準確率等于兩個位的平均值，
比較兩個表格，得到了兩組不同的排序
| 錯誤圖片流量 | |||||||||
| 8 | 9 | 7 | 6 | 1 | 3 | 4 | 2 | 5 | |
| 0 | -0.01943 | -0.01622 | -0.00332 | -0.00174 | 0.004189 | 0.005462 | 0.022157 | 0.024349 | 0.043701 |
| 迭代次數 | |||||||||
| 5 | 7 | 2 | 4 | 3 | 9 | 1 | 6 | 8 | |
| 0 | 5402.955 | 7822.01 | 8358.603 | 11983.15 | 12572.23 | 13346.79 | 23558.45 | 25605.5 | 27905.07 |
迭代次數排序與錯誤圖片流量排序是不一樣的。如果迭代次數越大表明二者差異越小，那錯誤圖片流量越小似乎也應該表明二者差異越小，所以為什么兩組排序不一致？
對這兩種不同排序的一個可能解釋，這應該是兩個不同的作用過程，錯誤圖片流量表達的相互作用是分類對象B與（A，B）組成的整體之間的相互作用，表達的是在（A，B）這個整體中B與A和B與B的相似性。
而迭代次數表達的相互作用是A與B之間的相互作用，表達的A與B之間的差異，因為這里A與B都是不可分的，因此迭代次數不可細分，也沒有方向。因此B與（A，B）中B的差異的排序與B與A之間差異的排序是可能不同的。
這兩種差異都可以用來分類圖片，用迭代次數法的好處是不必訓練網絡，但需要知道整個形態數軸。而用分類準確率的方法雖然不必了解形態數軸，但需要制備所有的測試集并訓練網絡。
?
總結
以上是生活随笔為你收集整理的基于迭代次数和分类准确率的两种排序的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 双中心积分计算氟化氢HF的动能和势能
- 下一篇： u盘不了怎么办 U盘无法读取怎么办？