预测分类和数值输出的模型答案

【问题标题】：Model that predict both categorical and numerical output预测分类和数值输出的模型
【发布时间】：2017-10-17 04:35:34
【问题描述】：

我正在为具有分类输出的时间序列模型构建 RNN。例如，如果珍贵的 3 模式是“A”、“B”、“A”、“B”，模型预测下一个是“A”。每个类别还有一个数字级别。例如 A 是 100，B 是 50，所以 A(100), B(50), A(100), B(50),
我有模型框架来预测下一个是“A”，同时预测（100）会很好。

对于现实生活中的示例，您有国家天气数据。您在预测未来几天的天气类型（晴天、刮风、下雨等）的同时，最好的模型也能预测温度。

或者对于亚马逊，分析客户的 trxns 模式。客户 A 购物类别电子（100 美元）、家用（10 美元）、…… 预测该客户可能购买的下一个 trxn 类别，同时预测该 trxn 的数量。

研究了一下，没有找到类似主题的相关研究。

【问题讨论】：

我投票决定将此问题作为题外话结束，因为更高级别的统计和建模问题属于 Cross Validated

标签： machine-learning neural-network data-modeling modeling

【解决方案1】：

是什么阻止您向模型添加额外的输出？您可以有一个分类输出和一个数字输出并排。那里的每个神经网络库都支持多个输出。

不过，您需要标准化输出数据。类别应使用 one-hot 编码进行归一化，数值应通过除以某个最大值进行归一化。

研究了一下，没有找到类似主题的相关研究。

因为这不是一个真正的“主题”。这是完全正常的事情，不需要某种特殊的网络。

【讨论】：

因为通常输出函数只能是 1。对于预测分类的 cross_entryphy。或其他回归函数来预测数值输出。
@HuaYe 本身并不是“典型地”。您只需将网络配置为具有单独的输出，该输出与分类分类无关。如果您不确定如何配置它，您还可以创建第二个循环网络，从分类网络获取输入，然后计算数值。但是将它们插入togetehr会更有用。
不是如何配置输出，是配置本身只允许1个输出功能。您可以使用它 1 功能来预测两者，但这样做没有意义。我没有遇到任何允许 2 个输出功能的配置。是的，你总是可以建立第二个模型来做这两件事，但这不是主题
@HuaYe 只允许1个输出函数不是配置本身。没有“输出函数”之类的东西，您说的是输出层，具有多个输出节点（每个输出节点代表一个分类标签）。如果您当前的神经网络库不允许侧面输出，也许您应该切换到另一个神经网络库。或者，如果您找不到合适的，请编写您的 OWN 神经网络。因为你想要的是已经存在的东西。
@HuaYe 你总是可以删除最后一层的softmax层，并为数值添加一个额外的输入。然后你编写一个小函数，它自己对分类输出执行 softmax 函数。