machine-learning - 使用神经网络进行多元回归(多个目标变量)是一项简单的任务吗？

Question

使用神经网络的多元回归是否像在神经网络的最后一层中拥有“n”个输出节点一样简单？ (“n”是目标变量的数量)

我读过有关它的相互矛盾的说法。例如回归器堆栈、回归器链，而不是在神经网络的输出层中拥有更多节点。

Answer 1

整个物体检测领域或多或少都是这样工作的。您想要预测物体周围的框，例如图片。对于每个框，您基本上可以预测多个回归参数，例如 x、y 位置、宽度和长度。在 3D 对象检测中，您有更多参数，例如 z 位置、高度、旋转(偏航角)。

我不知道我是否会称其为微不足道，但绝对有效。

与机器学习中的许多事情一样，如果不尝试，你永远不会知道。对一项任务有效的方法可能不适用于另一项任务。一般来说，我总是会开始最简单的解决方案，在您的情况下可能只是向输出层添加另一个神经元，然后看看它是如何工作的。