【问题标题】:Can a neural network of 3 layers be used for multi-class classification?3层的神经网络可以用于多类分类吗?
【发布时间】:2016-06-12 23:53:42
【问题描述】:

在 Andres NG 的 coursera 课程中,输出 4 个不同分类的神经网络表示为:

这个网络有 4 层。为了实现多类分类需要 4 层还是 3 层就足够了?

【问题讨论】:

  • 首先,这实际上是一个三层网络:两个隐藏层和一个输出层。尽管如此,据说三层神经网络能够模拟任何问题(每层有足够的节点)。因此,您的问题的答案是:是的,这个网络可以满足很多用例

标签: machine-learning neural-network


【解决方案1】:

多类设置与隐藏层数无关。您甚至可以删除所有这些,并最终得到简单的多项逻辑回归(线性模型),它可以很好地处理多类问题。网络深度通常用于一种架构启发式,目前已知它在广泛的任务(包括图像)上表现良好,因此添加更多层可能有利于解决更难的问题(并且多类设置肯定比二进制分类),但是,正如@jorgenkg 已经在评论中建议的那样,这不是必需,因为即使是单个隐藏层也足以(理论上!)对任何类型的连续函数建模所需的精度。 “唯一”的问题是你是否真的能够学习表现良好的浅层模型,但这是完全不同的问题。

【讨论】:

    猜你喜欢
    • 2017-04-12
    • 2019-07-17
    • 1970-01-01
    • 2017-08-26
    • 2016-03-10
    • 2019-01-30
    • 2019-03-28
    • 1970-01-01
    • 2012-10-08
    相关资源
    最近更新 更多