algorithm - 与神经网络中的几个输出节点相比，具有多个输出节点的优点或缺点是什么

Question

与只有几个输出节点相比，神经网络中有许多输出节点有什么优点或缺点吗？

例如，如果一个场景可以用 10、3、2 或 1 个输出节点表示，哪个更好？ - 显然这取决于你想如何表示输出，但现在说这无关紧要。

或者输出节点的数量对网络的准确性没有影响，只是训练它所需的计算时间？

Answer 1

输出节点的数量应与您要计算的值的数量相匹配。对于简单回归或二元分类，您只需要一个输出节点。对于 multiclass classification或 multiple regression ，您需要多个输出节点。

特别是，使用前馈神经网络的二元分类是通过计算单个输出节点的激活，然后检查它是否大于某个阈值(通常为 0 或 .5)来完成的。对于具有 k 个类的多类分类，您计算 k 个输出节点的值，然后选择最大值的索引 i 来预测类 < em>我。

此外，对于多个输出节点，您可以执行 multilabel classification ，您再次为每个类/标签提供一个输出节点，并为所有超过阈值的节点预测“真”。 k 类的多标签分类也可以由 k 二元分类器执行，但您需要单独训练所有这些分类器，这对于神经网络来说可能很耗时。