預測分類和數字輸出的模型

我正在爲具有分類輸出的時間序列模型構建RNN。例如，如果寶貴的三種模式是「A」，「B」，「A」，「B」模型預測下一個是「A」。還有一個與每個類別相關的數字級別。（100），B（50），A（100），B（50），
例如A是100，B是50, 我有模型框架來預測下一個是「A」，它會很好地預測（100）在同一時間。預測分類和數字輸出的模型

對於現實生活中的例子，你有國家的天氣數據。同時預測未來幾天的天氣類型（晴朗，多風，下雨等），這將是很好的模型也會預測溫度。

或者對於亞馬遜，分析客戶的trxns模式。顧客購物類別電子（100美元），家庭（10美元），...... 預測該顧客可能同時購物和預測什麼是trxn的下一個trxn類別。

研究了一下，還沒有找到類似主題的相關研究。

來源

2017-05-17 Hua Ye

我投票結束這個問題作爲題外話，因爲更高級別的統計和建模問題屬於[交叉驗證]（https://stats.stackexchange.com/） – Prune

什麼阻止你添加額外的輸出到你的模型？你可以有一個分類輸出和一個數字輸出彼此相鄰。每個神經網絡庫都支持多個輸出。

雖然您將需要規範化輸出數據。類別應使用單熱編碼進行標準化，數值應通過除以某個最大值進行標準化。

研究了一下，還沒有找到任何有關類似主題的研究。

因爲這不是一個真正的'主題'。這是完全正常的事情，它不需要一些特殊的網絡。

來源

2017-05-17 17:35:35

，因爲通常輸出函數只能是1.預測分類的cross_entryphy。或其他迴歸函數來預測數字輸出。 –

@HayYe本質上不是'典型的'。您只需將網絡配置爲具有與分類分類無關的單獨輸出。如果您不確定如何配置它，您還可以創建第二個經常性網絡，該網絡從分類網絡獲取輸入，然後計算數字值。但將它們插入togetehr會更有用。 –

它不是如何配置輸出，它的配置本身只允許1個輸出功能。你可以用它來預測兩者，但這樣做沒有意義。我還沒有遇到任何允許2輸出功能的配置。是的，你總是可以建立第二個模型來完成這兩件事情，但它的主題 –

預測分類和數字輸出的模型

回答

相關問題