输出的数量将取决于任务和目标的数量。在医学分级的情况下，您可以将问题解释为：

• 一个分类，即每个年级是一个类（5 个输出，每个类一个）
• 回归：预测成绩并舍入结果（1 个输出）

确保检查每个任务的损失函数。这通常会告诉您代码编写者如何决定解决问题。回到您的示例，第一个任务应该有分类损失（例​​如交叉熵），第二个任务应该有回归（MSE）。还要检查最后一层的激活函数：通常 softmax/sigmoid 用于分类，None 用于回归。

在没有看到数据的情况下说什么会起作用是很复杂的。最近的一场比赛（Janestreet Market 预测）也看到人们将问题作为分类和回归来处理。迄今为止，私有集上评分最高的公共笔记本是基于回归的方法。我怀疑这是因为分类（股票是否会在未来获得正回报）需要对标签进行二值化，这基本上会导致信息丢失。