我想使用深度学习将特征分类到分数

Question

我有一个问题，想知道我是否可以使用深度学习来解决它。我有一个包含 7 个特征的列表，每个列表有 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..

关于如何利用深度学习来训练给出特征列表的网络的任何想法都会给我返回正确的分数。

谢谢

Answer 1

你生成了大量的神经网络
你根据结果给每个神经网络一个适应度分数（适应度分数越高越好）
您根据适合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的突变。

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与步骤4中的相同，generationCount是到最终结果的世代数。

Answer 2

此处您已完成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这个问题。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您如何使用它：

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工具包：

您可能想尝试一下，看看它们是否更符合您对要解决的问题的心智模型。

我想使用深度学习将特征分类到分数

I want to use deep learning to classify features to scores

artificial-intelligence

regression

deep-learning