我们可以使用深度神经网络来解决回归问题吗？
Can we use Deep neural network for regression problems?
我想使用 ReLU 而不是典型的 sigmoid 单元来训练 DNN。
我已经成功地实现了下面的分类问题示例（softmax 层），但我正在尝试为 regression.My 数据集实现它是基于负载预测的。
enter link description here
是的，您可以使用深度学习进行回归，主要区别在于输出层和成本函数。假设你有多个隐藏层，最后一层有一个激活函数 f(x) = x 而不是 softmax，其中 x 是最后一个隐藏层的加权和。
例如，对于成本函数，您将使用公共均方误差而不是公共交叉熵（通常与 softmax 一起使用）。看看我为执行回归而创建的这个神经网络（它是在 python 中从头开始编写的，但您可以将其用作在某些框架上实现它的想法）https://github.com/llealgt/bikeshare_regression_neural_network/blob/master/DLND%20Your%20first%20neural%20network.ipynb
我想使用 ReLU 而不是典型的 sigmoid 单元来训练 DNN。 我已经成功地实现了下面的分类问题示例（softmax 层），但我正在尝试为 regression.My 数据集实现它是基于负载预测的。 enter link description here
是的，您可以使用深度学习进行回归，主要区别在于输出层和成本函数。假设你有多个隐藏层，最后一层有一个激活函数 f(x) = x 而不是 softmax，其中 x 是最后一个隐藏层的加权和。
例如，对于成本函数，您将使用公共均方误差而不是公共交叉熵（通常与 softmax 一起使用）。看看我为执行回归而创建的这个神经网络（它是在 python 中从头开始编写的，但您可以将其用作在某些框架上实现它的想法）https://github.com/llealgt/bikeshare_regression_neural_network/blob/master/DLND%20Your%20first%20neural%20network.ipynb