最简单的神经网络是单层神经网络（没有隐藏层），单层神经网络如果只有一个输出节点，那么可以称为感知器（好像也有单层神经网络就是感知器的说法？）
我的问题是这样的：
有多个输出节点的单层神经网络也是只能做线性分割吗？比如鸢尾花的数据集，可以通过一个输出节点判断是不是某种鸢尾花，那么我只要用 3 个输出节点是不是就能判断数据集里的 3 种鸢尾花了？
那么对于异或运算
https://i.loli.net/2019/07/26/5d3aa925e109111365.jpg
如果一个输出节点能画一条线的话，两个输出节点不就能分割了吗？
 |
1
wutiantong Jul 26, 2019
没问题啊
|
 |
2
wqzjk393 Jul 26, 2019
多输入一输出，理论上是能分割两种类别，一个是输入的加权和通过激活函数以后的值 a，另一个则是 1-a，那么判断 a 和 1-a 的大小就可以定义分到哪一类了(这个激活函数如果不用 sigmoid，改用 softmax，那基本上就可以完全理解成输出为某一类的概率了，然后 1-a 就是另外一类的概率了)。
如果你往后继续看的话，就会看到使用 mnist 数据集做手写识别的时候，一般设计最后一层是 10 个神经元分布代表 1 到 10，用 0 和 1 代表是不是这一个分类。当然如果你要想定义 9 个神经元也没问题，就是全 0 的输出的时候定义为某个特定的值罢了，这只是神经网络结构设计上个人选择而已。类似 python 里面的 df.get_dummies，就是删掉一个输出结果，用其他的输出结果组合（例如全零）来表示这个删掉的 |
|
3
wqzjk393 Jul 26, 2019  1
@wqzjk393 10 个神经元分布代表 1 到 10，用 0 和 1 代表是不是这一个分类。
这个说的可能有点问题。。10 个神经元分布代表 0 到 9，用使用这 10 个输出里面最大的的那一个结果作为最后的预测分类。如果你采用 9 个神经元的话，可以定义一个 threshold 值，如果 9 个输出都小于这个值，那么就认为是最后那个分类。 |
 |
4
Vinty Jul 26, 2019 via Android
不能的吧，单层神经网络多个输出节点它也仍然是一个线性分类器。你说的画两条线，输出节点对应的并不是最后的分类结果，实际上就是隐含层。
|
 |
5
Philippa Jul 26, 2019 via iPhone
看看 PyTorch 的官方视频教程免费的，质量非常高。大部分都有英语字幕，少部分含中文字幕。
|
 |
6
BBrother OP |
 |
7
013231 Jul 26, 2019
就以异或那个例子来说, 你的两个输出节点画出了两条线, 那分类结果到底是看那条线?
你的想法大概是, 一条线把数据分成了(上, 下)两类, 另一条线把数据分成了(左, 右)两类, 然后我们可以判断(上右, 下左)是红, (上左, 下右)是蓝. 但这样一来, 分类过程实际上根本不是由神经网络完成的, 是在你知道分类方法的前提下手写出来的. 神经网络只是按上下左右对数据分类, 这种分类方式确实可以由线性分类器实现. |
 |
8
TobiahShaw Jul 26, 2019
感觉楼主说的输出多条线就不是单层感知机，就示例那张图来讲，可以用 SVM 来弄两条 margin。单就楼主说的” 3 个输出节点“，拿结果应该是特征的另一种表示形式，而不是分类结果。
|
|
9
BBrother OP |
Select Language