deep-learning - 在两个特征向量上训练网络?
问题描述
我想训练一个 MLP,它接收两支 nba 球队A
,B
并将一支归类为赢家,另一支归类为输家(可能二元分类 0 代表输家,1 代表赢家)以及一个预测器,它分配球队A
获胜与球队的概率B
. 我无法弄清楚特征向量的外观,并希望得到一些建议。我的想法是
取每个团队的特征之间的差异
为一个训练示例连接特征 IE,它将
[A_1,B_1,A_2,B_2,...,A_n,B_n]
是n
特征编号的位置每个团队使用一个特征向量?(不知道是否有效)
谁能给一些建议
解决方案
虽然我同意 Scott Hunter 尝试一切,但这里有一些想法:
差异化——这在很大程度上取决于团队的特征代表什么。如果每个特征都像团队的统计数据(例如胜率等),那么取差值可能会起作用。如果它是更抽象的东西,它可能不是一个好主意。但是你可以试试。
连接功能 - 我认为这将是一个不错的选择,至少在开始时是这样。这绝对是最明显的,我认为它会在很大程度上发挥作用。
另一种方法:您可以构建一个编码器,它采用团队的特征向量并输出一个浓缩的表示。然后,您可以使用此压缩表示做一些事情(将其提供给更简单的模型或另一个 MLP)。
推荐阅读
- drools - 如何在 Drools 中跟踪多个心跳?
- python-3.x - 超过长度时将元素从后端丢弃的 LIFO 队列?
- visual-studio-code - 在 Visual Studio Code 上:如何在没有按键的情况下运行命令?
- pyspark - Pyspark:不是分区上的累积总和
- c++ - 之后如何对 RGB 向量进行排序以对其进行二进制搜索?
- ios - iOS | 斯威夫特 | 日期格式 | 出了什么问题?
- reactjs - 在 React 中使用 useState 钩子为多个集合状态渲染一次
- python - 在 python 中使用 XML 模式解析未定界的文本文件
- node.js - 猫鼬没有找到价值
- r - 对每行不同范围的列求和