我目前正在尝试使用神经网络进行回归预测。
然而,我不知道如何处理这个问题,因为我看到有两种不同的方法可以用神经网络进行回归预测。
1) 一些网站/文章建议添加一个最终层,该层是线性的。 http://deeplearning4j.org/linear-regression.html 我认为我的最终层应该是这样的:
我注意到当我使用这个解决方案时,通常会得到一个预测值,它是批处理预测的平均值。而且,当我将tanh或sigmoid作为倒数第二层时,情况就是如此。
其他一些网站/文章建议将输出比例缩放到[-1,1]或[0,1]范围内,并使用tanh或sigmoid作为最后一层。
这两种解决方案都可行吗?应该选择哪种?
谢谢, 保罗
然而,我不知道如何处理这个问题,因为我看到有两种不同的方法可以用神经网络进行回归预测。
1) 一些网站/文章建议添加一个最终层,该层是线性的。 http://deeplearning4j.org/linear-regression.html 我认为我的最终层应该是这样的:
layer1 = tanh(layer0*weight1 + bias1)
layer2 = identity(layer1*weight2+bias2)
我注意到当我使用这个解决方案时,通常会得到一个预测值,它是批处理预测的平均值。而且,当我将tanh或sigmoid作为倒数第二层时,情况就是如此。
其他一些网站/文章建议将输出比例缩放到[-1,1]或[0,1]范围内,并使用tanh或sigmoid作为最后一层。
这两种解决方案都可行吗?应该选择哪种?
谢谢, 保罗