神经网络回归答案

【问题标题】：Neural Network Regression神经网络回归
【发布时间】：2019-01-27 01:29:49
【问题描述】：

我有一个问题，对于具有两个类 {0,1} 的给定数据集 X。如果我分别为每个类 0 和 1 训练两个单独的神经网络 NN0 和 NN1。 NN0 可以预测数据集中第 1 类的点，即使它是在第 0 类上训练的吗？

【问题讨论】：

【解决方案1】：

简而言之，没有。这不是神经网络或机器学习的一般工作方式。你训练你的模型来识别你的数据的两个类别，然后一个模型可以用来预测它没有看到的数据类别。

这是对神经网络的一个很好的概述，由非常聪明的人完成：https://youtu.be/aircAruvnKk

【讨论】：

对于回归案例，它是这样做的，我在一组数据上训练 NN0，在另一组数据上训练 NN1。当我从系列 0 中给出一个点来预测系列中的下一个点到 NN1 时，它的预测非常好。

【解决方案2】：

当您使用 NN0 测试来自 X 的案例时，它告诉您“我是 0”，这与它告诉您“我不是 1”完全相同，因为您的类集大小为 2 ，就像一个布尔值。

因此，您的 NN0 网络可以预测 1 和 0，您的 NN1 也是如此。

【讨论】：

感谢您的回复。但它的回归问题。我有一个数据集，左右有 2 条路径。 NN0 在左侧训练，NN1 在右侧训练。但在每条路径中，连续点之间的间隔距离是相同的。因此，如果我从左侧给神经网络 NN1 一个点。它正确地预测了左边的下一个点。
我实际上同意@grahamlyons 的回答。