tensorflow - 在 Keras 中，是否可以对输入数据进行聚类，然后根据集群将数据提供给不同的子网？

Question

基本上，我想做的是：

• 对输入数据执行一些基本的聚类，如 K-means。

• 获取输入样本的聚类成员。

• 为每个集群训练一个单独的深度神经网络子模型。

下面是这个想法的基本图。

是否可以通过使用单个 keras 模型来做到这一点？

我尝试使用 sklearn KMeans 将我的输入数据分离到集群，然后在每个集群上训练一个单独的 Keras 模型来做到这一点，但是这种方法使得以后很难计算测试错误，因为我必须从每个集群中获取测试错误聚类，然后手动计算总体误差。

标签： tensorflowkeras

Answer 1

我认为问题在于您将数据聚类到三个组中，并希望使用模型来了解每个组的不同分布。我有一些粗略的想法。

1. 您可以让集群索引成为每个组的标签，同时适合该标签和您的原始目标。喜欢：

   output1 = Dense(cluster_numbers, activation='softmax')(x)

   output2 = Dense(output_dimensions, activation='softmax')(x)

2. 或者，如果您的数据按照您的原始目标进行聚类并且它们是互斥的，您还可以使用一系列并列层来输出结果。但是这会让你的模型非常庞大。喜欢：

   输出 = [密集（输出维度，激活='softmax'）（x）对于集群编号中的_]