时间戳

首页 > 解决方案 > 使用 Python 进行多目标（大）神经网络回归

tensorflow - 使用 Python 进行多目标（大）神经网络回归

问题描述

我的情况是我有一个包含 747 个节点（作为输入）的 excel 文件，每个节点都有一个值（想象 747 个带有浮点数的列），并且我有一个带有再次浮点数的 741 个值/列的输出。这些基本上是地质模拟的输入和输出。所以一行有 747（输入）+741（输出）= 1488 个浮点数，这是一个数据集（来自一个模拟）。我有 4 个这样的数据集（行）来训练神经网络，这样当我在 3 个测试数据集（747 列）上测试它们时，我得到 741 列的输出。这只是在进一步修改之前让神经网络的骨架运行的简单运行。

我遇到了 NYCTaxi 的多目标回归示例（https://github.com/zeahmed/DeepLearningWithMLdotNet/tree/master/NYCTaxiMultiOutputRegression），但我似乎可以绕开它。

这是训练集（输入直到并包括列'ABS'，其余为输出）： https ://docs.google.com/spreadsheets/d/12TKVbGExt9KcK5RQKTexrToVo8qA5YfeItSaa7E2QdU/edit?usp=sharing

这是测试集： https ://docs.google.com/spreadsheets/d/1-RjyZsdguucCSOr9QTdTp2ehJBqWCr5yz1-aRjQ_4zo/edit?usp=sharing

这是测试输出（验证）：https ://docs.google.com/spreadsheets/d/10O_6711CEpJ4DN1w-kCmW01NikjFVZTDmNRuqO3U_6A/edit?usp=sharing

任何指导/提示将不胜感激。蒂亚！

标签： tensorflowneural-networkregression

解决方案

我们可以使用自动编码器来完成这项任务。自动编码器接收数据，将其压缩为潜在表示。现在，这个表示向量被用来构造输出变量。

因此，您可以将 747 维向量输入模型并生成另一个 747 维向量作为输出。经过适当的训练，模型将能够为给定的一组输入生成目标变量。

推荐阅读