我正在尝试使用神经网络进行二进制分类。它由三层组成。第一层具有三个输入神经元，隐藏层具有两个神经元，输出层具有三个输出二进制值1或0的神经元。实际上，输出通常是浮点数，但通常四舍五入为一个整数数。
如果网络仅输出3的矢量，那么我的输入矢量应该不一样大小吗？否则，为了分类，您还如何将输出映射到输入？
我根据以下文章使用VBA在Excel中编写了神经网络：https://www.analyticsvidhya.com/blog/2017/05/neural-network-from-scratch-in-python-and-r/ 到目前为止，它的工作原理与本文所述完全相同。我目前无法访问机器学习库，因此选择尝试一下。
例如：
如果网络的输出为[n，n，n]，这是否也意味着我的输入数据也必须为[n，n，n]？
根据我在此处输入的内容：Neural net input/output
似乎应该是这样。我也不是很确定。
答案 0 :(得分：0)
简单地说，
对于回归任务，您的输出通常具有维度[1]（如果您预测单个值）。
对于分类任务，您的输出应具有与您拥有的类数相同的维数（输出是概率，它们的总和= 1）。
因此，无需具有相等的输入和输出尺寸。 NN只是一个维度到另一个维度的投影。
例如，
[1, 10]（针对房地产特征），输出为[1]-价格[1, 11]（相同的功能+列出的价格），输出为[1, 2]（类别0的概率（将为未售出）和1（将被售出）；例如[1; 0]，[0; 1]或[0.5; 0.5]等，这是二进制分类）此外，输入输出维度的相等性存在于更具体的任务中，例如自动编码器模型（当您需要将数据呈现为其他维度，然后将其表示回原始维度时）。
同样，输出尺寸是1批次的输出尺寸。只有一个，而不是整个数据集。