确定神经网络的层数和隐藏层的神经元数量

转载于知乎：如何确定神经网络的层数和隐藏层神经元数量

确定神经网络的层数和隐藏层的神经元数量

反向传播神经网络主要由输入层、隐藏层和输出层组成，输入和输出层的节点数是固定的，对于回归还是分类任务，选择合适的层数以及隐藏层节点数，很大程度上会影响神经网咯的性能。
神经网络是什么？

输入层与输出层的节点数量很容易得到，输入层的神经元数量等于待处理数据中输入变量的数量，输出层的神经元数量等于与每个输入关联的数量，真正的困难之处在于确定合适的隐藏层和神经元的数量。

隐藏层的层数

在神经网络中，当且仅当数据非线性分离时需要隐藏层。对于一般简单的数据集，一两层隐藏层就够了，对于涉及到时间序列和计算机视觉的复杂数据集，需要额外增加层数。单层神经网络只能用于线性分离函数（分类问题中两个类可以用一条直线整齐地分开）。多个隐藏层可以用于拟合非线性函数。隐藏层的层数与神经网络的效果