神经网络准确率

5、 其实神经网络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，你的神经网络输出必定不可能全部都是输出只有0,1的输出。

4、 要想提高BP神经网络分类的准确率，关键在于提高网络性能，使网络能够反映数据的内部非线性规律。 一般有以下几种措施：保证学习样本质量。 网络的输出结果质量不可能超出原始训练数据的质量，一定要保证样本准确、典型、规模足够大。 选定合适的输入向量方。

3、 经网络训练时准确度突然变得急剧下降，很有可能是你的休息不够睡眠不足导致注意力不集中，近段时间的心情也很影响训练时的准确度，心情烦躁准确度也就会下降。

2、 神经网络模型在测试集上的成功率称为"准确率"（Accuracy），它是指模型在测试集上正确预测的样本数与测试集中总样本数的比例。 准确率是衡量分类模型性能的一个重要指标，它可以告诉我们模型在测试集上的预测能力。

1、 百分之九十九。 通过卷积神经模型，准确率达到了百分之九十九，大约迭代1200次左右，运行时间不算太。