如何训练项目序列分割模型
如何训练项目序列分割模型
提问于 2020-04-21 13:00:14
如果有一个项目序列，我想分裂成多个片段。为了做到这一点，我想训练一个统计模型。
例如：
Fruit: Apple Banana Peach | Apple Banana | Apple Banana Peach | Banana
Segment: 1 1 1 | 2 2 | 3 3 3 | 4在这个例子中，模型应该学习苹果总是启动一个新的片段和香蕉，如果它之前没有苹果。
我想到了以下方法：
- 训练一个神经元网络，以预测一个项目是否开始一个新的片段，根据项目之前和之后的项目(也许是LSTM?)基本上是二级分类
- 训练神经元网络，根据项目序列的一部分来预测序列号。这将是一个序列-2序列模型。
也许你们中的某个人有类似的问题，可以分享他的经历。谢谢!
回答 3
Stack Overflow用户
回答已采纳
发布于 2020-05-12 18:30:18
是的，我也会使用某种递归神经网络。我不确定您必须对输入进行编码，因此我不建议使用seq2seq网络。你可能只需要做一个GRU (更快的LSTM)，然后是一个密集的图层，根据先前的输入预测找到苹果的可能性。
您甚至可以使用来自seq2seq的解码器作为您的整个模型。
注意不要让模型变得太复杂，因为没有太多的特性。但是，当你让你的例子开始工作时，你也许可以根据用户也买了什么来预测用户会买什么，所以如果用户购买苹果，然后预测一个梨和香蕉，但是如果用户购买一个芒果，推荐一些更异国情调的东西。
研究愉快！
Stack Overflow用户
发布于 2020-05-11 09:28:52
如果只需要查看序列是否启动，则不需要复杂的方法。两次就够了。
但是，如果这些序列有n个开始，您仍然可以将它们存储在数组中，并更新它们的编号，并根据它们进行检查。
在找到简单的解决方案之前，不需要跳转到ML。
如果我遗漏了你问题的复杂性，请告诉我。
也许如果你不知道什么时候开始，那么聚类就会告诉你。
Stack Overflow用户
发布于 2020-05-11 12:46:12
您可能需要使用隐马尔可夫模型来预测分隔符的位置，因为LSTM的长期内存对于您的任务来说是不必要的。
! pip install pomegranate
from pomegranate import HiddenMarkovModel, DiscreteDistribution
from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()
seq = ['Apple', 'Banana', 'Peach', 'Apple', 'Banana', 'Apple', 'Banana', 'Peach', 'Banana']
target = list('100101001')
encoded_seq = le.fit_transform(seq)
model = HiddenMarkovModel.from_samples(
distribution=DiscreteDistribution,
n_components=2,
X=[encoded_seq],
labels=[['None-start'] + target],
state_names=['0', '1'],
algorithm='labeled'
)
test_seq = ['Apple', 'Banana', 'Apple', 'Banana', 'Banana']
model.predict(le.transform(test_seq))
# >>> [1, 0, 1, 0, 0]石榴HMM 文档
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/61344175
复制相关文章
相似问题
腾讯云开发者
