什么类型的神经网络用于不可分类问题答案

【问题标题】：What type of neural network for non-classficable problems什么类型的神经网络用于不可分类问题
【发布时间】：2018-09-13 01:31:02
【问题描述】：

我是机器学习的新手，我正在尝试构建一个不会为给定输入预测标签的网络。相反，它应该在一系列值中猜测结果，例如：

a_old = [5.5, 3.4 , 1.1] , x = 1.732 , y = 2.223 , z = -1.444 
=======> a_new = [6.6 , 5.1, 0.9]

网络应该预测 a_new，但 a_new 是一个三个暗向量，它的值范围很大，因此我不能只创建 10^15 个不同的标签来对其进行分类。

我需要哪种类型的神经网络来解决这类问题。有没有可能？

【问题讨论】：

那叫回归

标签： machine-learning neural-network keras

【解决方案1】：

虽然@josef morgen 的评论更有意义，但如果你想通过神经网络来做到这一点，没有理由不应该这样做，神经实际上并不打印标签，它打印的值每个类，我们最大化它们以获得预测标签（我说的是简单分类任务的情况）

神经网络的一个节点实际上很像回归分类器，因此密集网络能够学习比回归更复杂的函数

对于您的特殊情况，我建议您采用相同格式的数据并使用均方误差作为损失。它应该工作

【讨论】：

【解决方案2】：

您可以为您的网络选择任何架构，然后使用线性激活函数作为输出 + 均方误差损失。例如：

model = Sequential()
model.add(Dense(150, input_dim=n, kernel_initializer='glorot_uniform', activation='relu'))
model.add(Dense(30, kernel_initializer='glorot_uniform', activation='relu'))
model.add(Dense(1, kernel_initializer='glorot_uniform', activation='linear'))
model.compile(loss='mse', optimizer=optimizers.adam(lr=0.01))

【讨论】：