neural-network - 多标签分类还是回归?
问题描述
我正在尝试预测实验光谱的组成。基本上(见附图),每个光谱由n 个基本光谱组成(比如 3 个,权重为 alpha、beta 和 gamma)。我有几百个光谱,我知道每个光谱的 alpha、beta 和 gamma 值。
我想用神经网络来预测新光谱的分解。我想知道该怎么做:
- 对于多标签分类,每个对象都存在(或不存在),因此输出是 one-hot 编码的。
- 使用回归,我可以有连续变量,但输入(据我所知)是单个变量。然而,在这里,我的光谱是一个包含数百个元素的向量。
有什么线索吗?
非常感谢
解决方案
推荐阅读
- servicenow - 如何使用 Table API 进行搜索
- python - 来自 __future__ 的 django 2.2.4 导入 unicode_literals
- json - 批量加载时断言检查失败
- powershell - 如何通过命令提示符或 PowerShell 将域用户添加到 PC?
- git - 摆脱孤立的 git 提交
- javascript - 将分号分隔的字符串显示为列表项
- sql - 使用 SQL 将值列表传递给 SAS 中的宏变量
- javascript - 运行函数 onscroll,除非父级在 Javascript 中有类
- django - 列出在 django 上动态生成的所有输入字段
- javascript - 如何从带有承诺的javascript文件中提取字符串?