作者:枝断叶残_337 | 来源:互联网 | 2024-11-03 19:21
在神经网络进行二分类任务时,输出层应配置多少个神经元以及选择哪种激活函数是一个关键问题。对于MNIST数据集的处理,输出层的神经元数量和激活函数的选择策略是什么?而在预测房价的任务中,输出层的神经元数量和激活函数又该如何确定?本文将详细探讨这些选择背后的原理和实践建议,以帮助读者更好地理解和应用神经网络模型。
使用神经网络做二分类,输出层需要几个神经元?应该选择哪一种激活函数?如果要处理minst数据、输出层需要几个神经元?使用那种激活函数?如果使用神经网络预测房价,输出层需要几个神经元、使用什么激活函数?
使用神经网络做二分类,输出层需要几个神经元?应该选择哪一种激活函数?
答:使用神经网络进行二分类模型构建的时候、输出层只需要一个神经元即可。而且在二分类模型中我们往往需要估算所属类别的概率,那么一般使用的激活函数就是sigmoid激活函数。
例如,我们判断收到的邮件是否是垃圾邮件、我们新来的患者是阳性还是阴性、客户的某次刷卡是否是欺诈。
如果要处理minst数据、输出层需要几个神经元?使用那种激活函数?
因为MINST数据集是手写数字的分类问题,共有10个类别(数字0到9),那么用来预测minst图片类别的神经网络模型的输出层需要有10个神经元,而且需要使用可以进行多分类的softmax激活函数代替sigmoid函数。softmax激活函数会为没一个样本都输出属于每一类的概率值,概率最大的那个类别就是模型预测对应的标签。
如果使用神经网络预测房价,输出层需要几个神经元、使用什么激活函数?
如果你使用神经网络去预测某个低区的房价,那么输出层只需要一个神经元即可,而且在这种回归类型的问题中在输出层的神经元上不需要使用激活函数。即,只需要一个神经元且不需要任何激活函数。
参考:Hands-on-Machine-Learning-with-Scikit-Learn-Keras-and-TensorFlow
参考:神经元及神经网络