keras - 深度学习数据准备
问题描述
我有一个文本数据集,其中包含 6 个类。对于每个样本,我都有百分比值,6% 值的总和为 100%(特征彼此相关)。例如 :
{A:16, B:35, C:7, D:0, E:3, F:40}
如何用这个数据集提供深度学习算法?我实际上希望预测完全符合训练数据的形式。
解决方案
这是您可以执行的操作:
- 首先,标准化所有标签并将它们缩放在 0-1 之间。
- 使用
softmax
图层进行预测。
以下是一些Keras
直觉代码:
model = Sequential()
model.add(Dense(100, input_dim = x.shape[1], activation='relu'))
model.add(Dense(y.shape[1], activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam')
推荐阅读
- c++ - 取消引用 unique_ptr 到引用
- angular2-observables - 无法读取未定义的每个属性
- typescript - TypeScript:具有相同泛型类型的多个参数的函数的混合行为
- javascript - 多个功能onClick不起作用reactJs
- regex - How to check if a criterion is present in a range of cells in Google Sheets?
- java - 如何处理夏令时时钟回滚引起的时间模糊
- excel - 遍历列然后执行 UCase
- mongodb - MongoDB,只有在不匹配时才插入很多
- json - Azure 表存储 JSON 返回每个条目的数组而不是单个数组
- regex - 正则表达式 - 加入多行不以破折号开头