使用人工神经网络的模型可以被视为多元线性回归模型吗?

我有一个任务,需要为一个预测问题构建多元线性回归模型(输入参数包括数值和分类变量的组合)。

如果我使用人工神经网络(ANN)来构建一个进行预测的模型,那它可以被视为多元线性回归模型,还是会成为一个深度学习模型?我对是否可以使用ANN来构建多元线性回归模型感到困惑。


回答:

如果你想用神经网络构建一个多元线性回归模型,那是可以的。那样的模型没有非线性/激活函数(没有relu、sigmoid)。

因此,它完全是线性的,因此只有一层深度(额外的层将是多余的),不符合深度学习的标准。

如果你查看在Tensorflow或Keras中如何进行回归,实际上就是一个没有激活函数的密集层。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注