我想使用深度学习将特征分类为分数答案

【问题标题】：I want to use deep learning to classify features to scores我想使用深度学习将特征分类为分数
【发布时间】：2015-06-27 17:40:37
【问题描述】：

我有一个问题，想知道是否可以使用深度学习来解决它。我有一个包含 7 个功能的列表，每个列表都有 7 个分数。

功能示例：

[0.2,0.6,0.2,0.6,0.1,0.3,0.1]

我有以下分数：

[100,0,123,2,14,15,2]

以及功能：

[0.1,0.2,0.3,0.6,0.5,0.1,0.2]

我有以下分数：

[10,10,13,22,4,135,22]

等等。

任何关于如何利用深度学习来训练网络的想法，给出一个特征列表都会给我正确的分数。

谢谢

【问题讨论】：

标签： artificial-intelligence regression deep-learning

【解决方案1】：

这里有回归问题的基本设置。您可以尝试使用神经网络工具包解决此问题。我写了一个名为 theanets 的工具包，它可能会有所帮助，所以我将举一个简单的例子来说明如何使用它：

import numpy as np
import theanets

# set up data arrays: X is input, Y is target output
X = np.array([
    [0.2,0.6,0.2,0.6,0.1,0.3,0.1],
    [0.1,0.2,0.3,0.6,0.5,0.1,0.2],
], 'f')
Y = np.array([
    [100,0,123,2,14,15,2],
    [10,10,13,22,4,135,22],
], 'f')

# set up a regression model:
# map from X to Y using one hidden layer.
exp = theanets.Experiment(
    theanets.Regressor,
    (X.shape[1], 100, Y.shape[1]))

# train the model using rmsprop.
exp.train([X, Y], algorithm='rmsprop')

# predict outputs for some inputs.
Yhat = exp.network.predict(X)

有多种配置和训练模型的选项，请查看文档了解更多信息。

还有很多很多其他的神经网络工具包，这里只是我熟悉的几个流行的：

您可能想尝试一下，看看它们是否更适合您尝试解决的问题的心智模型。

【讨论】：

【解决方案2】：

您生成了大量神经网络
您根据结果为每个神经网络提供适应度分数（适应度分数越高越好）
您按神经网络的适应度得分对神经网络进行排序
你拿第一个x%
您对每个选定的神经网络应用小突变。

重复 2-5 直到结果令人满意。

第一步提到的那个大数应该大致等于：

(100/x)^generationCount

这里的 x 与第 4 步中的相同，generationCount 是直到最终结果的代数。

【讨论】：