keras - 在 CNN 的最后一层中使用哪些设置进行回归

Question

我尝试将 CNN 用于回归任务。

我的特征数据具有形状（6097、30、32、9）：

• 6097 条记录
• 30 个时间步长
• 32 个直方图箱
• 9通道（图像带）

目标数据具有形状
(6097, 1)

• 具有作物产量（浮动）数据的 6097 条记录。

当我创建 CNN 回归模型的最后一个 Dense 层时，我不确定要使用哪些设置。最后一个卷积层的输出维度是(None,2,2,512)。我添加了一个 BatchNorm 和 Flatten 层（不确定这是否有意义）

正确的单位数和激活函数是多少？我的猜测是units=1，激活函数=“None”

喀拉斯：

model.add(Dense(units=1,
                activation=None
                ))

标签： kerasregressionconv-neural-network

Answer 1

这取决于您想要的结果类型，通常使用线性激活函数来简单地将值映射回来（它不会改变它）。这里简单解释一下输出层的选择。这是关于回归的解释，也简要提到了输出层。单位数量已经正确。

model.add(Dense(units=1,
                activation='linear'
                ))

或者对于相同的结果：

model.add(Dense(1))