结合回归和分类的多输出神经网络
Multi-output neural network combining regression and classification
如果您有相关的分类和回归问题并且依赖于相同的输入数据，是否有可能成功地构建一个同时提供分类和回归输出的神经网络？
如果是这样，如何构建损失函数？
通常，对于这种情况，损失被认为只是分类损失和回归损失的加权和。换句话说，你的网络有2个独立的输出部分，一个负责回归，你应用回归损失L_reg（例如MSE），另一个负责分类部分，你应用分类损失L_class（例如交叉熵），对于某些预定义的 alpha，您的最终优化标准只是 (alpha)*L_reg + (1-alpha)*L_class。这样可以轻松计算梯度（以及整体分析）。
如果您有相关的分类和回归问题并且依赖于相同的输入数据，是否有可能成功地构建一个同时提供分类和回归输出的神经网络？
如果是这样，如何构建损失函数？
通常，对于这种情况，损失被认为只是分类损失和回归损失的加权和。换句话说，你的网络有2个独立的输出部分，一个负责回归，你应用回归损失L_reg（例如MSE），另一个负责分类部分，你应用分类损失L_class（例如交叉熵），对于某些预定义的 alpha，您的最终优化标准只是 (alpha)*L_reg + (1-alpha)*L_class。这样可以轻松计算梯度（以及整体分析）。