使用神经网络进行二元分类时应使用多少个输出单元

使用神经网络进行二元分类时,应使用多少个输出单元?是使用一个输出单元,输出为1或0,还是使用两个输出单元?


回答:

一个输出单元就足够了。

你可以使用两个输出单元,并且可以训练网络使得每次输出时只有一个单元激活,但网络达到这一阶段的训练时间会更长。网络结构会更加复杂,计算起来也更耗时。这将是低效且浪费的。由于你只有二元输出,使用两个输出神经元没有任何优势。相反,网络结构越简单,产生的误差就越小。两个输出神经元还会导致神经元的概率输出更加模糊。

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