我正在研究 MLP 神经网络，使用监督学习（2 类和多类分类问题）。对于隐藏层，我正在使用（产生范围内的输出），对于输出层，softmax（给出之间的概率分布）和）。当我使用监督学习时，我的目标输出应该在 0 到 1 之间，或者和（因为功能），还是没关系？
损失函数是二次的（MSE）。
进行分类时，输出层的范围应该是多少？
人工智能
神经网络
分类
激活函数
监督学习
2021-11-06 08:07:58
2个回答
对于这个特定的分类问题，我建议您使用输出范围为 [0,1] 的 softmax 函数。
所有输出的总和应该为 1，因此使用 softmax 函数的一个优势是您可以获得网络在此分类中的置信度的百分比。
旁注：正如 DuttaA 所评论的，交叉熵损失是比二次均方误差更好的损失函数。
您的目标应该与您的输出函数在同一范围内，否则您的损失函数将不准确，通过监督学习您尝试减少输出对目标的损失，因此在这种情况下，您的目标应该是真实/最佳概率分布对于那组输入数据。我来自中西部，所以在这里“不能把苹果和橘子比较”；）
其它你可能感兴趣的问题