神经网络层数及神经元数目的选择

神经网络的组成：

输入层：个数等于特征数

隐藏层：可能不只一层，神经元数目也不确定，需要根据实验和经验选择

0输出层，个数为输出的种类

以下是用于描述神经网络形状和能力的一些术语：

• 尺寸：模型中的节点数。
• 宽度：特定层中的节点数。
• 深度：神经网络中的层数。
• 能力：可以通过网络配置学到的函数的类型或结构。有时被称为“ 表征能力 ”。
• 架构：网络中层和节点的具体排列．

摘自：http://www.sohu.com/a/245833938_787107

为什么要有多个层？

在我们查看要指定的层数之前，有必要先思考为什么我们希望拥有多个层。

单层神经网络只能用于表示线性可分离的函数。也就是说非常简单的问题，例如，分类问题中可以被一行整齐地分隔开的两个类。如果你的问题相对简单，那么单层网络就足够了。

然而，我们有兴趣解决的大多数问题都不是线性可分的。

多层感知器可用于表示凸区域。这意味着，实际上，他们可以学习在一些高维空间中围绕实例绘制形状，以对它们进行分类，从而克服线性可分性的限制。