这是一个家庭作业问题，我无法得出任何结论。我明天有考试。请帮帮我。
我们有一组来自去过医院的患者的数据。还为每位患者提取了一组特征（例如，温度、身高……）。我们的目标是确定新来访的患者是否患有某些。
这个问题要用神经网络来解决。我们有两种选择：要么为每种疾病训练一个单独的神经网络，要么为每种疾病训练一个具有一个输出神经元的单个神经网络，但具有一个共享的隐藏层。你更喜欢哪种方法？证明你的回答。
我的观点：两种方法几乎相同，因为我们必须在两种情况下训练相同数量的权重。但是在一种情况下，我们可以一次全部训练它们，而在另一种情况下，我们将单独训练它们，因此训练需要更多时间。
提示：对所有疾病使用一个网络的主要区别在于，在这种情况下，隐藏层可能会学习一些可以在疾病预测输出之间共享的特征。
为什么你认为训练单个模型需要更多时间？
如果疾病是互斥的（即同时患有不止一种疾病的概率可以忽略不计），例如对于鉴别诊断，那么在输出层中使用具有softmax激活函数的单个网络将是一个好主意。这将使共享隐藏单元更有效，如果隐藏单元的某些组合表明疾病 A 很可能，这将迫使其他疾病的输出接近于零。
就我个人而言，我尽量不担心训练时间（只要它仍然可行），因为最好慢慢地得到一个好的答案而不是快速地得到一个坏的答案。在错误可能产生严重后果的医疗环境中尤其如此。
取决于您的数据的分布方式以及您的结果是否相关（或不相关）。
为什么不尝试这两种方法并说服自己哪一种更好以及为什么。没有免费的午餐，有时结果可能与您的直觉/假设完全不同。
以下是一些一般性提示：
确保您的实验方法正确，并将您的数据拆分为训练+验证/测试或交叉验证/测试。记录所有内容：所有实验的所有（超）参数和损失演化（收敛）。反复试验。因果。所以一次只改变一件事。
您可能还想研究诸如dropout之类的事情，并观察和测试它在网络上的影响（研究ensemble）。独立网络不需要完全独立。
最后：
以下是您在所有努力之后可能想问自己的一些问题：各种结果（疾病）之间是否存在任何关系？如果没有，与其他 NN 模型共享参数是否有任何意义？那么最佳架构是什么？如果这是一个真实世界的设置，我怎么能确保我可以轻松地将新疾病添加到系统中？也许可能有一些相关性很好的疾病组？如何使用单个网络找到这些组？与这些组相关的特征是什么？
这可能比你的家庭作业需要的多，我想说的是你需要有一些假设，测试它，然后重复。没有人可以肯定地告诉你任何事情。在你测试它之前，这都是猜测。
祝你好运，享受这个过程。我希望我的回答能激励您自己尝试并找出更多信息。