该项目的目标是测试两个条件概率函数特征-Hölder平滑度和小值界限-对神经网络分类性能的影响。 这在某种程度上也很独特,因为“性能”是指条件概率近似,而不是最可能的类别预测。 (这可能是因为在公开可用的数据集中很少显示0.8只狗和0.2只猫的图像。) 模拟 我们从某些指定分布中采样(多维)特征。 这种“分布”也可以是混合函数,也可以只是密度函数,在这种情况下,采样的实现更为棘手。 无论如何,这些功能充当某些特定功能的输入,每个输出类别一个。 对输出进行归一化,得出每个样本的条件概率向量。 这用作分类分布的概率向量,从中可以得出该样本的最终标签/类别。 训练 使用这些功能和一键编码的标签(可能