我需要训练一个模型,让它记住一系列的自然数,例如,1-100(1,2,3 .当使用诸如1 2 3 ...74 75 32 76 77等输入序列测试时.99 100 101,应指出这两种不正常现象,即32和101。
注意:,上面的示例有100个唯一键,即1到100个。
我计划训练的实际模型输入了大约10k的自然数(,大约300个不同序列中重复的唯一键),并且测试也将类似于我在上面的例子中提到的,测试文件中有多个不符合序列的数字。
我对机器学习的概念很陌生,很难理解这一点。有什么办法吗?
发布于 2020-06-19 17:39:21
我建议使用RNN。这是一个递归神经网络。在训练的同时,它逆时间而行。它对序列做得很棒。您可以更好地使用LSTMs(长期内存网络)或模型中的双向层。
https://www.tensorflow.org/guide/keras/rnn
如果你是机器学习新手,不能理解这一点,那就行了。我也没有。但是复制并粘贴代码,在模型的超视距中播放。学习的最好方法是做。但是,确保在你做完这件事后,要坚定地理解LSTM是如何工作的。如果你不知道神经网络或其他机器学习技术是如何工作的,我建议你现在就学习它们。一个很好的起点是线性回归。我通过制作一个笔记本来理解它是如何工作的,在这里我写了所有的数学,我从这个统计教程中学到了所有的东西:
这就是我所拥有的。如果你什么都不明白,那就和我联系吧。我认为有一种方法可以在堆叠溢出的情况下进行DM。如果不编辑你的问题或更好,评论我的答案,我会编辑它。:)
把你的笔记本贴出来也许我能帮上忙?
现在再见,快乐的编码:)
https://stackoverflow.com/questions/62475498
复制相似问题