Machine learning 三层神经网络可以用于多类分类吗？

在Andres NG的coursera课程中，输出4种不同分类的神经网络表示为：

---

这个网络有4层。实现多类别分类需要4层还是3层就足够了？

多类别设置与隐藏层的数量无关。您甚至可以删除所有这些，并最终得到简单的多项式逻辑回归（线性模型），它可以很好地处理多类问题。网络的深度通常用于一种架构启发式，目前已知其在广泛的任务（包括图像）上表现良好，因此添加更多的层可能有助于解决更难的问题（多类设置肯定比二进制分类更复杂），但是，正如@jorgenkg在评论中已经建议的那样，这是不需要的，因为即使是一个隐藏层（理论上！）也足以模拟任何类型的连续函数，达到任何期望的精度。“唯一”的问题是，您是否能够真正学习性能良好的浅层模型，但这是一个完全不同的问题。

首先，这实际上是一个三层网络：两个隐藏层和一个输出层。尽管如此，据说三层神经网络能够模拟任何问题（每层有足够的节点）。因此，对您的问题的答案是：是的，这个网络将足以满足许多用例