machine-learning - 使用神经网络的多元回归（多个目标变量）是一项微不足道的任务吗？

Question

使用神经网络的多元回归是否像在神经网络的最后一层有“n”个输出节点一样容易？（“n”将是目标变量的数量）

我读过关于它的相互矛盾的说法。例如回归器堆叠、回归器链，而不是在神经网络的输出层中拥有更多节点。

标签： machine-learningdeep-learningneural-networkregression

Answer 1

对象检测的整个领域或多或少都是这样工作的。您想要预测例如图像中对象周围的框。对于每个框，您基本上可以预测多个回归参数，例如 x、y 位置、宽度和长度。在 3D 对象检测中，您拥有更多参数，例如 z 位置、高度、旋转（偏航角）。

我不知道我是否会称它微不足道，但绝对有效。

与机器学习中的许多事情一样，如果你不尝试，你永远不会知道。对一项任务有效的方法可能对另一项任务无效。一般来说，我总是从最简单的解决方案开始，在你的情况下，这可能只是在你的输出层添加另一个神经元，看看它是如何工作的。