改变输出变量的数量会降低模型的准确性，尽管NN的架构保持不变（即输入和隐藏神经元的数量相同，激活函数相同，用于学习的数据相同）。
嗨，Ive运行了形状为（22,20,8）的NN，其均方根值为5.048，R2为0.925，其中一个输出变量预测新数据的准确度为98％。 但是我已经决定我不需要全部8个输出（仅关注4个），因此我再次用形状（22,20,4）运行该模型，并获得了RMS值8.20，R2为0.62和变量的精度为75 ％。
如果仅更改输出，这将如何影响已经创建的模型的准确性？我使用相同的数据，因此可以肯定地从模型中学习到的关系将是相同的，因此对其余四个变量相同的预测将是相同的吗？ 改变输出怎么会如此大地改变模型？ 谢谢
答案 0 :(得分：1)
如果我仅更改输出，这将如何影响 我已经创建的模型？
作为您的问题，您必须已经意识到模型的准确性会发生变化。此行为是预期的，因为您正在更改模型。
当您使用4 outputs而不是8 outputs重新训练模型时，所学的关系不同于具有8个输出的模型。
甚至更改诸如初始权重和偏差，各种初始化的随机状态以及任何其他可调整参数之类的小因素，都将确保准确性的改变。
在您的情况下，体系结构的更改（较大的更改）将会并且对结果产生很大的影响。