3 層ニューラルネットワークのディープラーニングが済んたらいよいよラベルの無い未知の入力信号に対してクラス分類をしてみます。

と言っても、未知信号 data を学習済みのニューラルネットワークに入力し、出力された y_o が一番大きくなる要素番号を data が属するクラスとして判別するだけです。

例えば前ページの例で出した

猫ラベル(クラス No.0)・・・ [1,0,0]
犬ラベル(クラス No.1)・・・ [0,1,0]
鳥ラベル(クラス No.2)・・・ [0,0,1]

を使って考えてみます。

出力 y_o が [ 0.8, 0.1, 0.1] だとしたら猫である確率が高いので入力した未知信号 data は猫と判別します。

出力 y_o が [ 0.1, 0.8, 0.1] だとしたら入力した未知信号 data は犬と判別します。

出力 y_o が [ 0.1, 0.1, 0.8] だとしたら入力した未知信号 data は鳥と判別します。

もし y_o が [ 0.5, 0.5, 0.0] の様に同じ確率のクラスが2つ出てきた場合は判別不能とします。