創建一個輸出單一概率的LSTM網絡

Question

我是LSTM和tensorflow的新手，並且希望構建一個LSTM網絡來根據最近30天的活動對行爲進行分類。我的數據集由過去30天的移動用戶數據（每天6個實值變量）組成。它還有一個指標字段，說明它們在30天結束時是否有效。我想預測他們在30天后活躍的可能性。你可以協助以下任何一種：

1. 指示我的一些示例代碼，我可以用來了解如何解決我的問題。
2. 對一些有助於在tensorflow中學習LSTM的文獻提供建議。
3. 其他有用的建議。

Answer 1

因爲看起來你在神經網絡領域是相當新穎的，所以查看一些課程可能是一個不錯的主意。也就是說，也看看凱拉斯：https://keras.io/layers/recurrent/。它可以讓你輕鬆地嘗試一下，看看有效或無效。一些代碼大致做你想要的是：

model = Sequential() 
model.add(LSTM(10, input_shape=(30, 6))) # hidden state with 10 units 
model.add(Dense(2)) # two classes: active, not active 
model.add(Activation('softmax')) 

希望這可以幫助你有點在你的方式進入神經網絡的世界！