在 Andres NG 的 coursera 类(class)中，输出 4 个不同分类的神经网络表示为:
这个网络有4层。是否需要 4 层才能实现多类分类，还是 3 层就足够了？
最佳答案
Multiclass 设置与隐藏层数无关。您甚至可以将它们全部删除，最终得到简单的多项逻辑回归(线性模型)，它可以很好地处理多类问题。网络深度通常使用一种架构启发式，目前已知它在广泛的任务(包括图像)上表现良好，因此添加更多层可能有利于解决更难的问题(并且多类设置肯定比二元分类)，但是，正如@jorgenkg 在评论中已经建议的那样，这不是必需的，因为即使是单个隐藏层也足以(理论上!)对任何类型的连续函数进行建模，达到任何所需的精度。 “唯一”的问题是您是否真的能够学习表现良好的浅层模型，但这是完全不同的问题。
关于machine-learning - 3层神经网络可以用于多类分类吗？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/36824693/