Machine learning 当存在虚拟变量时，如何确定BP网络隐层节点数
BP神经网络中隐层节点数的计算有一个通用公式 h=√（m+n）+a 现在有这样一个神经网络。 有三种输入：职业、年龄、性别 还有一个产出：工资 根据公式，隐藏层中的节点数应为2+a。也就是3-12（通常是1-10） 但工作应该被视为一组虚拟变量，假设有50个不同的工作。那么虚拟变量的数量是49。 虚拟变量是否算作输入？ 如果计数，输入值的数量为49+2=51 将隐藏层中的节点数设置为8-17更合适。Machine learning 当存在虚拟变量时，如何确定BP网络隐层节点数,machine-learning,neural-network,deep-learning,artificial-intelligence,backpropagation,Machine Learning,Neural Network,Deep Learning,Artificial Intelligence,Backpropagation,BP神经网络中隐层节点数的计算有一个通用公式 h=√（m+n）+a 现在有这样一个神经网络。 有三种输入：职业、年龄、性别 还有一个产出：工资 根据公式，隐藏层中的节点数应为2+a。也就是3-12（通常是1-10） 但工作应该被视为一组虚拟变量，假设有50个不同的工作。那么虚拟变量的数量是49。 虚拟变量是否算作输入？ 如果计数，输入值的数量为49+2=51 将隐藏层中的节点数设置为8-17更合适。 如何选择？（修改）我从未听说过这样的规则，我高度怀疑类似的规则是否在实践中使用过。想和大家分享一
如何选择？（修改）我从未听说过这样的规则，我高度怀疑类似的规则是否在实践中使用过。想和大家分享一下吗？我这里的表达是错误的。将“隐藏层的数量”更改为“隐藏层中的节点数量”是正确的。@desertnaut现在这些公式只能在我的笔记中找到。规则各不相同。n是输入，m是输出，h是隐藏节点。我的笔记上有6条规则——1。科莫戈罗夫。h=2n+1--2。我从来没有听说过这样的规则，我非常怀疑这样的规则在实践中是否被使用过。想和大家分享一下吗？我这里的表达是错误的。将“隐藏层的数量”更改为“隐藏层中的节点数量”是正确的。@desertnaut现在这些公式只能在我的笔记中找到。规则各不相同。n是输入，m是输出，h是隐藏节点。我的笔记上有6条规则——1。科莫戈罗夫。h=2n+1--2。M