这是在二元分类问题中人工神经网络和逻辑回归的混合体。例如，在我遇到的一篇论文中，他们指出“混合模型类型是通过使用逻辑回归模型来计算失败概率，然后将该值作为附加输入变量添加到ANN中构建的。这种类型的模型被定义为Plogit-ANN模型“。
因此，对于n个输入变量，我试图理解激活函数（例如，logit函数）如何处理ANN的附加输入n + 1以及权重乘以输入的总和。我们是否将此概率变量n + 1视为独立权重之一，例如我们在权重总和乘以输入时添加的特殊类型b0，例如每个神经元的总和=（Sum（Wi * Xi））+附加变量。
感谢您的协助。
答案 0 :(得分：0)
根据提供的说明，最简单的方法是将其视为数据的附加功能。所以你有一个模型来预测你原始数据集的某些东西（一些额外的东西的概率），因此你得到x - ＆gt; F（X）。你只需将它连接到你的特征向量，所以x＆＃39; = [x1 x2 ... xk f（x）]，并将其推送到网络。
然而，所描述的方法非常幼稚，因为你完全独立地做这两件事（训练f和训练神经网络），更有益的是将拟合f视为辅助损失并联合训练你的模型