用列相似性预判分类结果
( A, B )---2*30*2---( 1, 0 )( 0, 1 )
用网络分类A和B，让A是（0，1）（1，0），让B是（1，1）（1，1）。测试集为（0，0）（0，1）（1，0）（1，1）.记为网络1233.
| A |
B |
|||||
| 0 |
1 |
1 |
1 |
|||
| 1 |
0 |
1 |
1 |
|||
| 0 |
0 |
0.5 |
0.5 |
0 |
0 |
|
| 0 |
1 |
0.5 |
0.5 |
0 |
1 |
|
| 1 |
0 |
0.5 |
0.5 |
1 |
0 |
|
| 1 |
1 |
0.5 |
0.5 |
1 |
1 |
|
比较两列相似性，（0，0）相对A的相似性为0.5，0.5，相对的B为0，0.因此更像A。而（1，1）相对A的相似性为0.5，0.5，相对B为1，1，因此应该被分为B。
而（0，1）相对A为0.5，0.5，相对B为0，1.因为0.5+0.5=0+1那（0，1）应该被分为A还是B。同样（1，0）的AB两列相似性也是相同的。
为此实验，固定收敛误差统计迭代次数和分类准确率得到表格
| 0 |
1 |
1 |
1 |
1b |
k |
||||
| 1 |
0 |
1 |
1 |
k |
1b |
||||
| 1*2*3*3 |
|||||||||
| f2[0] |
f2[1] |
迭代次数n |
平均准确率p-ave |
1-0 |
0-1 |
δ |
耗时ms/次 |
耗时ms/199次 |
耗时 min/199 |
| 8.99E-04 |
0.999101 |
72670.4 |
0.5 |
0.75 |
0.25 |
9.00E-04 |
499.302 |
99361 |
1.65602 |
| 7.99E-04 |
0.999201 |
79007.2 |
0.5 |
0.75 |
0.25 |
8.00E-04 |
539.101 |
107297 |
1.78828 |
| 6.99E-04 |
0.999301 |
86784.1 |
0.5 |
0.75 |
0.25 |
7.00E-04 |
596.518 |
118707 |
1.97845 |
| 5.99E-04 |
0.999401 |
97833.1 |
0.5 |
0.75 |
0.25 |
6.00E-04 |
661.261 |
131591 |
2.19318 |
| 0.01054 |
0.98946 |
110033 |
0.5 |
0.75 |
0.25 |
5.00E-04 |
752.844 |
149816 |
2.49693 |
统计收敛误差为5e-4时的分类情况
| A |
199 |
B |
||||
| 0 |
0 |
0 |
0 |
0 |
0 |
|
| 1 |
0 |
1 |
1 |
0 |
1 |
|
| 2 |
1 |
0 |
2 |
1 |
0 |
|
| 3 |
1 |
1 |
3 |
1 |
1 |
所有的199次分类0，1，2都被分成了A。因此仅就相似性来说0.5+0.5>0+1.
为验证这个0.5+0.5>0+1的假设做第二个网络，让A是（1，1）（0，0），让B是（0，0）（0，0）测试集不变
| A |
B |
|||||
| 1 |
1 |
0 |
0 |
|||
| 0 |
0 |
0 |
0 |
|||
| 0 |
0 |
0.5 |
0.5 |
1 |
1 |
|
| 0 |
1 |
0.5 |
0.5 |
1 |
0 |
|
| 1 |
0 |
0.5 |
0.5 |
0 |
1 |
|
| 1 |
1 |
0.5 |
0.5 |
0 |
0 |
用两列相似性的判断方法（0，0）应该被分为B，（1，1）应该被分为A。按照0.5+0.5>0+1的判断（0，1）和（1，0）都应该被分为A。统计得到表格
| 1 |
1 |
0 |
0 |
1 |
1 |
||||
| 0 |
0 |
0 |
0 |
0 |
0 |
||||
| 3000 |
|||||||||
| f2[0] |
f2[1] |
迭代次数n |
平均准确率p-ave |
1-0 |
0-1 |
δ |
耗时ms/次 |
耗时ms/199次 |
耗时 min/199 |
| 0.999103 |
8.98E-04 |
26586.5 |
0.5 |
0.75 |
0.25 |
9.00E-04 |
172.859 |
34399 |
0.57332 |
| 0.999202 |
7.98E-04 |
29410.1 |
0.5 |
0.75 |
0.25 |
8.00E-04 |
190.824 |
37974 |
0.6329 |
| 0.999302 |
6.98E-04 |
33160.3 |
0.5 |
0.75 |
0.25 |
7.00E-04 |
213.905 |
42567 |
0.70945 |
| 0.999402 |
5.99E-04 |
37948.5 |
0.5 |
0.75 |
0.25 |
6.00E-04 |
243.608 |
48478 |
0.80797 |
| 0.999501 |
4.99E-04 |
44487.7 |
0.5 |
0.75 |
0.25 |
5.00E-04 |
290.176 |
57745 |
0.96242 |
统计收敛误差为5e-4时的分类情况
| A |
199 |
B |
||||
| 0 |
0 |
0 |
0 |
0 |
0 |
|
| 1 |
0 |
1 |
1 |
0 |
1 |
|
| 2 |
1 |
0 |
2 |
1 |
0 |
|
| 3 |
1 |
1 |
3 |
1 |
1 |
所有199次1，2，3都被分为A。
同样用这种0.5+0.5>0+1的判断方法，网络1200的分类结果和3000的相同
| 0 |
1 |
0 |
0 |
0 |
1 |
|||
| 1 |
0 |
0 |
0 |
1 |
0 |
|||
| 1200 |
||||||||
| f2[0] |
f2[1] |
迭代次数n |
平均准确率p-ave |
1-0 |
0-1 |
δ |
耗时ms/次 |
耗时ms/199次 |
| 0.999101 |
8.98E-04 |
27100.7 |
0.5 |
0.75 |
0.25 |
9.00E-04 |
176.251 |
35074 |
| 0.999201 |
7.99E-04 |
30165.7 |
0.5 |
0.75 |
0.25 |
8.00E-04 |
193.874 |
38581 |
| 0.999301 |
6.99E-04 |
33560.9 |
0.5 |
0.75 |
0.25 |
7.00E-04 |
215.859 |
42956 |
| 0.999401 |
5.99E-04 |
38589.7 |
0.5 |
0.75 |
0.25 |
6.00E-04 |
247.93 |
49338 |
| 0.999501 |
4.99E-04 |
45131 |
0.5 |
0.75 |
0.25 |
5.00E-04 |
289.196 |
57566 |
| A |
199 |
B |
||||||
| 0 |
0 |
0 |
0 |
0 |
0 |
|||
| 1 |
0 |
1 |
1 |
0 |
1 |
|||
| 2 |
1 |
0 |
2 |
1 |
0 |
|||
| 3 |
1 |
1 |
3 |
1 |
1 |
当收敛误差为5e-4的时候1，2，3都被分给了A。
网络3033的分类结果和1233相同
| 1 |
1 |
1 |
1 |
k |
k |
|||
| 0 |
0 |
1 |
1 |
1b |
1b |
|||
| 3*0*3*3 |
||||||||
| f2[0] |
f2[1] |
迭代次数n |
平均准确率p-ave |
1-0 |
0-1 |
δ |
耗时ms/次 |
耗时ms/199次 |
| 0.9991 |
8.95E-04 |
44938.4 |
0.5 |
0.75 |
0.25 |
9.00E-04 |
303.3266 |
60362 |
| 0.9992 |
7.96E-04 |
52868.3 |
0.5 |
0.75 |
0.25 |
8.00E-04 |
348.1206 |
69276 |
| 0.9993 |
6.95E-04 |
64281.7 |
0.5 |
0.75 |
0.25 |
7.00E-04 |
422.7186 |
84121 |
| 0.9994 |
5.97E-04 |
79758.8 |
0.5 |
0.75 |
0.25 |
6.00E-04 |
523.1508 |
104107 |
| 0.9995 |
4.97E-04 |
99725.6 |
0.5 |
0.75 |
0.25 |
5.00E-04 |
658.201 |
130982 |
| A |
B |
|||||||
| 0 |
0 |
0 |
0 |
0 |
0 |
|||
| 1 |
0 |
1 |
1 |
0 |
1 |
|||
| 2 |
1 |
0 |
2 |
1 |
0 |
|||
| 3 |
1 |
1 |
3 |
1 |
1 |
当收敛误差为5e-4的时候所有199次0，1，2都被分给了A。
或许0.5+0.5>0+1表达的是如果AB两列相似性相同，选择标准差小的，这样的相似性或许更均衡。