用于机器学习的 5 个输入和 3 个输出特征
5 input and 3 output features for machine learning
这里需要一些建议。
我正在尝试建立一个模型，当给定 5 个输入特征时，它可以预测 3 个不同的输出特征。
例如，
5个输入特征：房屋面积、房屋楼层、房屋状况、房间数、停车位。
3个输出特征：卖价、买价、租价
我现在感到困惑的是，经过训练的模型是否有可能能够预测 3 个输出？我从其他人的 example/tutorial 那里发现，他们大多试图只在他们的模型上做一件事。
抱歉，如果我的解释不好，我是张量流和机器学习的新手。
神经网络绝对可以predict/approximate更多的输出。我有神经元调节器的经验，可以为两个电机生成控制信号。
所以我没有使用tensorflow的经验。但是这个框架来自Google并且很受欢迎，所以我几乎可以肯定，它有多输出功能。
有很好的例子of such thing.
在通常的实践中，我们建立一个模型来预测一个输出，这是因为在监督学习中，我们应该输入一些特定种类的变量，并找到它们与想要的输出之间的关系。因为这种关系通常不能在输入和另一个想要的输出之间起作用。
但是我们可以有一种特殊的技术来解决您的问题：
如果我们有四个输入变量：I1、I2、I3、I4，我们想要三个输出标签（通常是离散的）：O1、O2、O3。所以我们可以在合并原来的三个输出后创建一个新的标签 O4。例如，如果 O1、O2、O3 只能是 0 或 1，则 O4 有 2^3，总共 8 个可能的值。因此，我们可以在四个输入变量和输出 O4 之间建立一个预测模型。一旦知道了 O4 的值，O1-O3 也都知道了。
但是，如果输出变量不是全部离散的，特别是使用回归技术，上述技术将不起作用。所以，要预测三个输出，我们通常会训练三次并制作三个模型。
这里需要一些建议。
我正在尝试建立一个模型，当给定 5 个输入特征时，它可以预测 3 个不同的输出特征。
例如， 5个输入特征：房屋面积、房屋楼层、房屋状况、房间数、停车位。 3个输出特征：卖价、买价、租价
我现在感到困惑的是，经过训练的模型是否有可能能够预测 3 个输出？我从其他人的 example/tutorial 那里发现，他们大多试图只在他们的模型上做一件事。
抱歉，如果我的解释不好，我是张量流和机器学习的新手。
神经网络绝对可以predict/approximate更多的输出。我有神经元调节器的经验，可以为两个电机生成控制信号。
所以我没有使用tensorflow的经验。但是这个框架来自Google并且很受欢迎，所以我几乎可以肯定，它有多输出功能。
有很好的例子of such thing.
在通常的实践中，我们建立一个模型来预测一个输出，这是因为在监督学习中，我们应该输入一些特定种类的变量，并找到它们与想要的输出之间的关系。因为这种关系通常不能在输入和另一个想要的输出之间起作用。
但是我们可以有一种特殊的技术来解决您的问题：
如果我们有四个输入变量：I1、I2、I3、I4，我们想要三个输出标签（通常是离散的）：O1、O2、O3。所以我们可以在合并原来的三个输出后创建一个新的标签 O4。例如，如果 O1、O2、O3 只能是 0 或 1，则 O4 有 2^3，总共 8 个可能的值。因此，我们可以在四个输入变量和输出 O4 之间建立一个预测模型。一旦知道了 O4 的值，O1-O3 也都知道了。
但是，如果输出变量不是全部离散的，特别是使用回归技术，上述技术将不起作用。所以，要预测三个输出，我们通常会训练三次并制作三个模型。