tensorflow 输入相同但目标相同的训练模型

yrdbyhpb  于 2023-01-05  发布在  其他
关注(0)|答案(1)|浏览(150)

我正在学习MLP、LSTM、CNN和GRU模型。在这个项目中,我遇到了一个问题,我认为是由我的数据集引起的。我有四个要素,我需要使用其中两个作为输入,另外两个作为输出。输出要素具有相同的值10x,而输入要素具有不同的值。由于上面的值在输入列中生成下面的值,因此顺序始终很重要。shuffle必须为假。
看看我的数据集。

A             B          C   D
2986.207117 0.1249702   9.5 0.1
2976.566384 0.23405844  9.5 0.1
2966.936526 0.343854234 9.5 0.1
2957.317649 0.454363674 9.5 0.1
2947.709861 0.56559291  9.5 0.1
2938.11327  0.67754815  9.5 0.1
2928.527987 0.790235664 9.5 0.1
2918.954122 0.903661778 9.5 0.1
2909.391787 1.01783288  9.5 0.1
2899.841098 1.132755418 9.5 0.1
2890.302169 1.248435902 9.5 0.1
2880.775117 1.364880902 9.5 0.1
2871.26006  1.48209705  9.5 0.1
2861.757117 1.600091041 9.5 0.1
2852.26641  1.718869634 9.5 0.1
2842.78806  1.838439648 9.5 0.1
2833.322191 1.958807967 9.5 0.1
2823.86893  2.079981541 9.5 0.1
2814.428402 2.201967382 9.5 0.1
2805.000736 2.324772568 9.5 0.1

这只是一部分。
列C和D中的值将在之后以相同的方式更改。
有人能提出一种技术来实现这种情况吗?因为我通过谷歌搜索发现,拥有相同的目标对机器学习没有好处?不幸的是,这就是我的情况。

2jcobegt

2jcobegt1#

一种方法是对输出进行分类,假设输入数据为

A             B          C   D
2986.207117 0.1249702     9.5 0.1
2976.566384 0.23405844    9.5 0.1
2966.936526 0.343854234   9.5 0.1
2957.317649 0.454363674   9.5 0.1 # up to 100 rows

3986.207117 0.1249702     9.8 0.2
3976.566384 0.23405844    9.8 0.2
3966.936526 0.343854234   9.8 0.2
3957.317649 0.454363574   9.8 0.2 # up to 100 rows

4986.207117 0.1249702     9.9 0.3
4976.566384 0.23405844    9.9 0.3
4966.936526 0.343854234   9.9 0.3
4957.317649 0.454363574   9.9 0.3 # up to 100 rows

将输出转换为如下类别,

A             B          output
2986.207117 0.1249702      1
2976.566384 0.23405844     1
2966.936526 0.343854234    1
2957.317649 0.454363674    1 # up to 100 rows

3986.207117 0.1249702      2
3976.566384 0.23405844     2
3966.936526 0.343854234    2
3957.317649 0.454363574    2 # up to 100 rows

4986.207117 0.1249702      3
4976.566384 0.23405844     3
4966.936526 0.343854234    3
4957.317649 0.454363574    3 # up to 100 rows

现在,对输出列进行one-hot编码,以便根据类概率预测类,并从预测的类中了解给定输入生成的输出。

相关问题