我对python和神经网络非常陌生，在阅读了几个教程后，我正在尝试从头开始创建我的NN。
我的数据是这样的：
0.086， 0.4343， 0.42， 类1
0.186， 0.4343， 0.55， 类2
0.286， 0.4343， 0.42， 类2
0.586， 0.4343， 0.42， 类3
我想从头开始在 python 中创建一个神经网络来预测输出类。
阅读本教程后，我有一些想法。但是，在本教程中，输出是一个二进制类。所以假设预测结果是：
输入：0.7 0.3 0.5
预测： 0.23
输出等级：0 和 1
这是否意味着 NN 认为输出有 77% 的可能性为 0？
如果是这种情况，那么当输出类为 -1、0 和 1 并且 NN的预测是0.23？如何获得属于每个类的预测的可能性？如果可能的话，有人可以指出我一些关于多个类的 python 教程吗？
对于非二元分类，通常可以选择以下两种方法之一 - softmax方法(通常更流行(或一对多方法。
在 softmax 方法中，神经网络应该有 3 个输出节点，而不是 1 个。您将 softmax 函数应用于这 3 个输出节点，这应该为您提供进入每个类的概率。在此方法中，跨 3 个输出节点的概率输出总和将加起来为 1。
在一对一方法中，您将再次训练 3 个输出节点，但每个输出节点都是一个二元分类器，询问此对象是否在该类中。 即每个输出节点都会问二进制问题"这是类 1 还是不是"，"这是类 2 还是不是"。然后选择输出最高概率的节点。在此方法中，输出节点概率加起来不一定为 1。
是的，没错，根据您的算法，它有 77% 的可能性属于 class-0。
来回答您对3个不同类别的案件的问题。
实际上，您询问的情况是当有2个以上的类时出现的多类分类之一。对于这种情况，神经网络被训练来计算某个数据样本属于某个类的概率。
在您的情况下，对于 3 个类，输出层将有 3 个神经元，每个节点上的每个值都会为您提供数据样本属于该类的概率。
现在，我们使用softmax从最后一层的激活中获得这些概率。