Tensorflow Wide and Deep 模型能否训练为连续值
Can Tensorflow Wide and Deep model train to continuous values
我正在使用 Tensorflow Wide and Deep 模型。它目前针对二进制分类（>50K 或不）进行训练。
是否可以强制此模型直接针对数值进行训练以产生更精确（如果不太准确）的预测？
我看过一个使用 LSTM RNN 直接使用 TensorFlowEstimator 进行此类预测的示例 here，但 DNNLinearCombinedClassifier 不会接受 n_classes=0。
我喜欢 Wide and Deep 模型的结构，尤其是 运行 线性回归和 DNN 分别确定数据可学习性的能力，但我的应用程序涉及聚类数据，但在一种重叠的、依赖于输入的方式。
对回归问题使用DnnLinearCombinedRegressor。
我正在使用 Tensorflow Wide and Deep 模型。它目前针对二进制分类（>50K 或不）进行训练。
是否可以强制此模型直接针对数值进行训练以产生更精确（如果不太准确）的预测？
我看过一个使用 LSTM RNN 直接使用 TensorFlowEstimator 进行此类预测的示例 here，但 DNNLinearCombinedClassifier 不会接受 n_classes=0。
我喜欢 Wide and Deep 模型的结构，尤其是 运行 线性回归和 DNN 分别确定数据可学习性的能力，但我的应用程序涉及聚类数据，但在一种重叠的、依赖于输入的方式。
对回归问题使用DnnLinearCombinedRegressor。