Machine learning 用于分类的多输出与多单输出神经网络

在理论上，是否有支持或反对使用单个多输出神经网络进行多类分类，或使用多个单输出神经网络进行多类分类，或使用多个单输出神经网络进行多类分类

在这两种情况下，一旦获得所有输出值，将使用相同的决策规则：具有最高激活度的输出“获胜”，并决定预测返回哪个类

---

但我想知道——以及为什么——在同一个神经网络上计算所有输出，而不是单独计算，是好是坏。

我主要反对使用相同的神经网络结构进行多个分类。这在其他AI构造中非常罕见。这不是用支持向量机或决策树来实现的。我认为这有点把问题弄糊涂了

支持它的理由是，隐藏层只是较低级别的特征检测器。您的多重分类（或回归）输出神经元现在独立使用输入层和隐藏层所放弃的较低级别功能

---

我没有尝试过将这些组合成同一个ANN或单独的ANN。我猜想，成功的程度与多个分类所要完成的相似性有关。

如果你对神经网络感兴趣，你可以考虑加入机器学习网站：很好，谢谢链接。