每个目标一个神经网络还是多个目标的一个中性网络？
每个目标一个神经网络还是多个目标的一个中性网络？
提问于 2022-08-17 08:35:47
在我想要预测的模型中，我有大约20个目标，每个目标都有许多特征(相同~100个特征，使用不同的公式/关系等观察/模拟)。
用一个神经网络预测多个目标是有意义的，还是每个神经网络总是只有一个目标？或者，是否有一种方法来划分大多数“共同相关”(例如相关)目标，并有4个神经网络，每个5个目标？
回答 2
Data Science用户
发布于 2022-08-17 11:30:53
在输出层建立一个更大的20个神经元的网络是更有意义的，这样你就可以利用整个数据集的大小，从而在中间层创建更好的数据表示，并进行更好的推广。
这也是一个更好的主意，因为即使您有多个NNs，也必须想出一种方法来对给定的输入使用正确的NNs，这一步骤需要进一步优化，并可能导致额外的错误。
Data Science用户
发布于 2022-08-17 12:25:11
最好的选择是建立一个大型的神经网络，对于output层，您应该使用20神经元(可能的结果数量)，并且应该使用softmax激活函数。你的模特可以像这样。
input_dim = X_train.shape[1]
model = Sequential()
model.add(layers.Dense(10, activation='relu', input_dim=input_dim))
model.add(layers.Dense(20, activation='softmax'))
model.compile(loss='categorical_crossentropy',
optimizer='adam',
metrics=['accuracy'])
model.summary()页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/113593
复制相关文章
相似问题
腾讯云开发者
