Machine learning 当输入有多个输出值时，我可以使用神经网络进行回归吗？

我试图用神经网络来解决我的x，y图的非线性回归问题，但是在我的数据中，一些x值有多个y值。这会导致问题吗？

您的模型可以有任意数量的隐藏层和任意数量的隐藏单元。但是，如果要进行多维回归，则神经网络模型的输出单元数必须与所需输出向量y具有相同的维数。例如，假设您的示例有三个功能，如下图所示（借用谷歌搜索）。您可以有任意数量的隐藏层（此处为一层），在最后一层中，您有一个大小为2的向量，对应于您的目标y的维度数

---

您的模型可以有任意数量的隐藏层和任意数量的隐藏单元。但是，如果要进行多维回归，则神经网络模型的输出单元数必须与所需输出向量y具有相同的维数。例如，假设您的示例有三个功能，如下图所示（借用谷歌搜索）。您可以有任意数量的隐藏层（此处为一层），在最后一层中，您有一个大小为2的向量，对应于您的目标y的维度数

---

最有可能发生的事情是什么：以（x=3，y=4）和（x=3，y=5）为例，当给定输入（x=3）时，神经网络最有可能学会预测4到5之间的值。我想这就是你想要回归的结果。所以，回答你的问题：不，很可能不会有任何问题

---

我建议您在遇到特定问题或特定值的大错误时尝试一下并问另一个问题。

最有可能发生的情况是什么：以（x=3，y=4）和（x=3，y=5）为例，神经网络最有可能学会在给定输入（x=3）时预测4到5之间的值。我想这就是你想要回归的结果。所以，回答你的问题：不，很可能不会有任何问题

---

我建议您在遇到特定问题或特定值出现较大错误时，尝试一下并问另一个问题。

您的数据有多个y值是什么意思？这是否意味着每个数据点x都有一个对应于图形上不同坐标的输出值特征？是的，例如，在我的数据中，我有x=3，y=4，然后x=3，y=5那么你的问题的标题有点误导，因为你没有多维输出（即从一个x预测没有y1和y2）。正如我在回答中所说，你的问题太宽泛，无法给出任何肯定的答案。最有可能的结果是，因为网络将在多个值之间学习一些东西。你说的数据有多个y值是什么意思？这是否意味着每个数据点x都有一个对应于图形上不同坐标的输出值特征？是的，例如，在我的数据中，我有x=3，y=4，然后x=3，y=5那么你的问题的标题有点误导，因为你没有多维输出（即从一个x预测没有y1和y2）。正如我在回答中所说，你的问题太宽泛，无法给出任何肯定的答案。最有可能的是，它会成功，因为网络将在多个值之间学习到一些东西。@agold留下了一条评论并重新制定了我的答案。（多亏了你，我才知道有一些东西像低质量的帖子队列存在）@agold留下了一条评论并重新制定了我的答案。（多亏了你，我才知道存在类似于低质量帖子队列的东西）