ANN 结果是否应该根据输出而改变？

Question

更改输出变量的数量会降低模型的准确性，尽管 NN 的架构保持不变（即输入和隐藏神经元的数量相同，激活函数相同，用于学习的数据相同）。

您好，我运行了一个形状为 (22,20,8) 的 NN，并收到 5.048 的 rms 值和 0.925 的 R2，其中一个输出变量预测新数据的准确度为 98%。 但是我认为我不需要所有 8 个输出（只有 4 个是感兴趣的），所以我再次以形状 (22,20,4) 运行模型并收到 8.20 的 rms 值，0.62 的 R2 和 75 的变量精度%。

如果我只改变输出，这对我已经创建的模型的准确性有何影响？我使用相同的数据，所以从模型中学到的关系肯定是相同的，因此对相同剩余 4 个变量的预测会相同吗？ 为什么改变输出会改变模型这么多？ 谢谢

Answer 1

如果我只是改变输出，这对准确性有何影响 我已经创建的模型？

作为您的问题，您一定已经意识到模型的准确性发生了变化。此行为符合预期，因为您正在更改模型。

当您使用 4 outputs 而不是 8 outputs 重新训练模型时，学习到的关系与具有 8 个输出的模型不同。

即使是很小的因素，如初始权重和偏差、各种初始化的随机状态和任何其他可调整的参数，也肯定会导致准确性的变化。

在您的情况下，架构的变化（大变化）将对结果产生重大影响。