Должен ли мой векторный размер нейронной сети соответствовать выходному размеру? - PullRequest
Новая
       22

Должен ли мой векторный размер нейронной сети соответствовать выходному размеру?

0 голосов
/ 17 января 2019

Я пытаюсь использовать нейронную сеть для целей двоичной классификации. Он состоит из трех слоев. Первый слой имеет три входных нейрона, скрытый слой имеет два нейрона, а выходной слой имеет три нейрона, которые выводят двоичное значение 1 или 0. На самом деле выходной результат обычно является числом с плавающей запятой, но обычно он округляется до целого число.

Если сеть выводит векторы только по 3, то не должны ли мои входные векторы иметь одинаковый размер? В противном случае, для классификации, как еще вы отображаете выходные данные на вход?

Я написал нейронную сеть в Excel, используя VBA, основываясь на следующей статье: https://www.analyticsvidhya.com/blog/2017/05/neural-network-from-scratch-in-python-and-r/ Пока что все работает именно так, как описано в статье. Сейчас у меня нет доступа к библиотеке машинного обучения, поэтому я решил попробовать.

Например:

Если выходные данные сети [n, n, n], означает ли это, что мои входные данные также должны быть [n, n, n]?

Из того, что я прочитал здесь: Нейронная сеть ввода / вывода

Кажется, так и должно быть. Хотя я не совсем уверен.

1 Ответ

0 голосов
/ 18 января 2019

Проще говоря, для задачи регрессии ваш вывод обычно имеет размерность [1] (если вы прогнозируете одно значение).

Для задачи классификации ваш вывод должен иметь такое же количество измерений, которое равно количеству ваших классов (выходы - вероятности, их сумма = 1).

Таким образом, нет необходимости иметь одинаковые размеры входа и выхода. NN - это просто проекция одного измерения на другое.

Например,

  • регрессия, мы прогнозируем цены на жилье: ввод [1, 10] (к особенностям имущества), вывод [1] - цена
  • Классификация, мы предсказываем класс (будет продан или нет): ввод [1, 11] (те же характеристики + цена в списке), вывод [1, 2] (вероятность класса 0 (не будет продано) и 1 (будет продаваться), например, [1; 0], [0; 1] или [0.5; 0.5] и т. д .; это двоичная классификация)

Кроме того, равенство измерений ввода-вывода существует в более конкретных задачах, например, в моделях автоэнкодера (когда вам необходимо представить данные в другом измерении, а затем представить их обратно, в исходное измерение).

Опять же, выходной размер - это размер выходов для 1 партии. Только один, а не из всего набора данных.

...