【发布时间】:2019-08-16 20:50:37
【问题描述】:
这是一个使用 DNN 估计收入的回归问题。
网络如下图所示:
右分支是一个全连接的神经网络,它的结果意味着有效率。
左分支是每个样本的已知变量,表示在线时间。
目前,我只想学习网络的正确分支。网络代码如下所示:
def neural_net(x, hours):
layer_1 = tf.nn.relu(tf.add(tf.matmul(x, weights_h1), biases_h1))
layer_2 = tf.nn.relu(tf.add(tf.matmul(layer_1, weights_h2), biases_h2))
efficient_out_layer = tf.nn.relu(tf.add(tf.matmul(layer_2, weights_out), biases_out))
delta_efficient = tf.add(efficient_out_layer, 1)
delta_online_hours = tf.add(hours, 1)
out_layer = tf.multiply(delta_online_hours, delta_efficient)
return out_layer
但是mae非常高。 当我不使用左分支,只使用dnn估计结果时,mae偏低。
我想知道我的网络有什么问题,以及为什么左分支乘以右分支的训练网络会扩大mae,谢谢。
【问题讨论】:
标签: tensorflow neural-network deep-learning regression