Репликация и классификация множественных выходных нейронных сетей

Question

Если у вас есть проблема классификации и регрессии, связанные и полагающиеся на одни и те же входные данные, можно ли успешно создать нейронную сеть, которая дает как классификационные, так и регрессионные выходы?

Если да, то каким образом может быть построена функция потерь?

Answer 1

Обычно для таких случаев потеря считается просто взвешенной суммой потерь в классификации и потерь при регрессии. Другими словами, ваша сеть имеет две независимые выходные части, одна из которых отвечает за регрессию, на которую вы применяете потери LRreg (например, MSE) и другую ответственную за классификационную часть, на которую вы применяете классификацию L_class (например, кросс-энтропию) и ваш конечный критерий оптимизации - это просто (альфа) * ​​L_reg + (1-альфа) * ​​L_class, для некоторой предопределенной альфы. Это позволяет легко вычислять градиенты (и общий простой анализ).