Должны ли результаты ANN изменяться в зависимости от результатов?

Question

Изменение количества выходных переменных снижает точность модели, хотя архитектура NN остается неизменной (т. Е. То же самое нет входных и скрытых нейронов, та же функция активации, те же данные, используемые для обучения).

Привет, я запустил NN с формой (22,20,8) и получил среднеквадратичное значение 5,048 и R2 0,925, при этом одна из выходных переменных предсказывала точность 98% на новых данных. Однако я решил, что мне не нужны все 8 выходов (интерес представляют только 4), поэтому я снова запустил модель с формой (22,20,4) и получил среднеквадратичное значение 8,20, R2 0,62 и точность переменной в 75 %.

Если я только изменяю вывод, как это влияет на точность модели, которую я уже создал? Я использую одни и те же данные, поэтому, конечно, отношения, полученные из модели, будут такими же, и поэтому прогнозы для тех же оставшихся 4 переменных будут одинаковыми? Почему изменение выхода так сильно меняет модель? Спасибо

Answer 1

Если я изменяю только выход, как это влияет на точность модель, которую я уже создал?

Как ваш вопрос, вы, должно быть, поняли, что точность модели изменяется. Это поведение, как и ожидалось, потому что вы меняете модель.

Когда вы переобучаете модель с 4 outputs вместо 8 outputs, полученные отношения отличаются от модели с 8 выходами.

Изменение даже небольших факторов, таких как начальные веса и смещения, случайные состояния различных инициализированных и любые другие настраиваемые параметры, наверняка приведет к изменению точности.

В вашем случае, изменение в архитектуре (большое изменение) окажет и оказало большое влияние на результаты.