人工神经网络的结果应该根据输出变化吗？

Question

虽然神经网络的结构保持不变(即输入和隐藏神经元的结构相同，激活函数相同，用于学习的数据相同)，但模型的输出变量数目减少了模型的精度。

嗨，我运行了一个形状(22,20,8)的神经网络，得到的均方根值为5.048，R2为0.925，其中一个输出变量预测对新数据的准确率为98%。但是我欺骗我不需要所有的8个输出(只有4个是感兴趣的)，所以我再次运行模型的形状(22,20,4)，得到的均方根值为8.20，R2为0.62，变量的精度为75%。

如果im只更改输出，这如何影响模型ive已经创建的准确性？我使用相同的数据，所以从模型中学到的关系肯定是相同的，因此对相同的其余4个变量的预测也是一样的？为什么更改输出会对模型产生如此大的影响？谢谢

Answer 1

如果我只是改变输出，这如何影响我已经创建的模型的准确性？

作为你的问题，你一定已经意识到模型的准确性发生了变化。此行为与预期如出一辙，因为您正在更改模型。

当你用4 outputs而不是8 outputs对模型进行再培训时，学习到的关系与8个输出的模型不同。

改变即使是小的因素，如初始权重和偏差，各种初始化的随机状态和任何其他可调参数，肯定会导致准确性的变化。

在你的例子中，架构的改变(大的改变)将会并且已经对结果产生了很大的影响。