我要解决的问题是使用神经网络的回归问题，而“y”值涵盖的范围非常大（假设y代表人数，范围从0人到10000人），这使得不可能解释为分类问题。
我现在解决的问题与普通回归问题之间的唯一区别是输出神经元应该产生一个严格的整数，而不是小数。
有没有可以处理这个约束的激活函数？或者有什么合适的方法来模拟这个约束？
神经网络回归问题，整数输出神经元约束
数据挖掘
机器学习
神经网络
深度学习
喀拉斯
张量流
2022-03-12 16:51:01
2个回答
您将其视为回归问题是正确的，主要是因为您对输出的顺序感兴趣。例如，如果有 1000 人在场，而您预测为 1005，则它的预测比 7005 更好。如果您将此视为分类问题，则这两个都将被解释为misclassifications。
接近约束的最实用方法是对神经网络的输出进行四舍五入，即如果它输出 3456.78，则将其四舍五入到 3457。您需要有一个线性激活函数才能使用 NN 进行回归。
一种方法是回归一个连续值，然后再进行舍入。
然后，您正在寻找一个将输入映射到值 y >=0 的神经网络。您可以使用许多激活函数，例如线性和二次函数。根据通用逼近定理，您应该使用非线性激活函数。