8回答
我对机器学习和神经网络很陌生。我知道如何建立一个非线性分类模型，但我目前的问题有一个连续的输出。我一直在寻找关于神经网络回归的信息，但我所遇到的只是关于线性回归的信息--没有关于非线性情况的信息。这很奇怪，因为为什么会有人用神经网络来解决简单的线性回归呢？这不就像用核弹杀死苍蝇吗？
所以我的问题是:是什么使神经网络非线性？(隐藏层？非线性激活函数？)或者我对“线性”这个词有一个完全错误的理解--线性
浏览 12提问于2016-12-20得票数 37
回答已采纳
我正在尝试建立对称输入的回归模型，希望建立f(x，y)=f(y，x)=F的函数模型。突然，我发现经过训练的神经网络会对f(x，y)和f(y，x)给出不同的输出。我使用Adagrad的多层密集神经网络来学习整个训练集。 问题的一部分是由于随机(非对称)权重初始化造成的。 但看起来在每个神经元上设置对称的权重将失去使用DNN的好处。import pathlib
import
浏览 18提问于2019-06-11得票数 1
回答已采纳
我正在尝试使用tensorflow对神经网络进行建模。但矩阵的顺序是800000x300000。当我在tensorflow中使用全局变量初始化器初始化变量时，系统冻结。如何处理这个问题？有gpu支持的tensorflow能处理这么大的矩阵吗？
浏览 0提问于2017-10-01得票数 0
我想了解什么是最好的方法是对一个经过训练的TensorFlow神经网络进行进一步的回归分析。具体来说，我正在研究如何从经过训练的神经网络中找到进一步的最大值/极小值(相当于从回归曲线中求出max/min )。有没有办法使用经过训练的TensorFlow神经网络来进行这些进一步的分析？
浏览 7提问于2016-07-06得票数 0
回答已采纳
1回答
回归模型如RMSE、MSE、解释方差、r2等。然而，这些指标并没有将“成本”考虑在内，例如，对我来说，低估一个值(实值: 0.5，预测值为0.4)比过度预测值(真实值: 0.5，预测值: 0.6)更糟糕。
我如何将这样的成本建模成一个评估函数？
浏览 0提问于2017-11-20得票数 0
回答已采纳
我目前正在学习TensorFlow 2.0和Keras。我知道激活函数用于根据数学函数计算神经网络每一层的输出。然而，当我在层层搜索的时候，我找不到合成的和容易阅读的信息给一个深层次学习的初学者。有一个keras文档，但是我想要综合地知道：
用来创建模型的最常见的层是什么(密集的、扁平的、MaxPooling2D的、Dropout的，.)。在哪种情况下使用它们？(分类、回归、其他)根据每种情况使用每一层的合适方法是什么？
浏览 3提问于2020-02-11得票数 0
回答已采纳
我用负二项分布建模变量。与其预测期望值，我更愿意对两个分布参数进行建模。因此，我的神经网络的输出层由两个神经元组成。为此，我需要编写一个自定义丢失函数。但下面的代码不工作-似乎是一个问题的迭代张量。对于负二项分布，如何用Keras (和TensorFlow)编写损失函数？
我只需要重写这段代码，使用对TensorFlow的张量友好的代码。根据我所得到的错误，也许tensor
浏览 1提问于2019-04-21得票数 4
2回答
我对机器学习模型的部署阶段很好奇。那么，在您使用python运行您的脚本来训练您的数百万数据并使其工作之后，有哪些方法可以将您的模型部署到现实世界中呢？
浏览 0提问于2019-06-15得票数 2
回答已采纳
1回答
我使用Python和Tensorflow构建了一个自动编码器。为了构建自动编码器，我使用了Tensorflow教程，介绍如何构建自动编码器来读取手写数字上的MNIST数据集。到目前为止，我对“自动编码器代码”进行了结构调整，使其能够在自己的数据上使用。我找到了一些特性，并且已经成功地重建了输入，直到出现了某种错误。现在，我尝试使用自动编码器的权重，初始化一个参数类似于我的自动编码器的编码器部分的神经网络。然后，添加一
浏览 0提问于2017-01-31得票数 2
回答已采纳
1回答
我已经在一个180 x 160的数据集上执行了MLR，逐步回归，SVM和随机森林。我正在对一个变量和159个其他变量进行建模，有179种情况。这都是回归建模。我已经使用了插入符号包，在这个包中，我使用训练函数对不同的机器学习算法进行了10次10次折叠交叉验证。我被告知阅读一篇使用神经网络模型的论文，并获得了更好的结果，所以我一直在尝试寻找一种方法来做同样的事情，但使用</e
浏览 2提问于2014-02-07得票数 3
回答已采纳
我一直在使用Tensorflow进行回归。我的神经网络很小，有10个输入神经元，12个单层隐神经元和5个输出神经元。
非
浏览 1提问于2016-07-28得票数 9
2回答
我使用的是随机森林分类器。我的老板问我，是否也可以用回归来看待我们的问题。我理解，对于分类任务，使用分类器当然更好，但实现回归模型是可能的。然后，我创建了一个特征矩阵，用于训练模型以对类进行预测，其中包含10个特征，例如: num_words、num_sentences、num_syllables、weak_words、flesh_idx等有没有一种方法可以用回归来看待这个问题？这样模型就会做出例如1.5这样的预测，其中预测不属于类别1或2，而是介于中间的某个位置？或者是2.2、3.3等
浏览 33提问于2019-10-08得票数 1
logistic回归的logistic函数为：\frac{e^{B_{0} + B_{1}x}}{1 + e^{B_{0} + B_{1}x}}。为什么要用这个？
浏览 0提问于2022-04-15得票数 5
1回答
我想用 Keras实现这个中显示的自定义丢失函数。是否有必要使用Keras函数，如果是这样的话，我需要哪种类型的操作(我看到了一些代码，其中一些简单的操作，例如加法，不使用K
浏览 0提问于2019-07-20得票数 0
回答已采纳
2回答
我有一个具有单个预测器和一个实值输出的时间序列回归问题，我想使用LSTM递归神经网络对数据进行建模。我应该如何选择模型中的时间步数？LSTM层的长度有上限吗？
浏览 1提问于2016-12-22得票数 4
1回答
我正在尝试使用神经网络来预测正在运输的产品的价格，同时使用温度、大流行期间的死亡人数、雨量和一列0和1(虚拟变量)。 因此，假设我有一个给定了这些值的数据集，以及一个以年/周格式提供时间的列。我想在每个回归器上使用神经网络来预测成本，然后将它们放在一起。 理想情况下，我认为在时间序列数据的四分之三上进行训练，然后在剩下的四分之一上进行测试，然后可能做出预测，这是一个好主意。我现在发现，即使我使用一个回归变量
浏览 30提问于2021-07-24得票数 0
3回答
尺度神经网络
、、、、
当使用神经网络(TensorFlow:深度神经回归)时，当将训练数据从样本增加到整个数据(例如10倍大的数据集)时，您应该对模型体系结构(更深/更宽)、学习速度和一般的超参数进行哪些更改？
浏览 0提问于2019-03-21得票数 6
作为练习，我尝试使用tf.contrib.learn.LinearRegressor来建模方程y=3* x1^2 +4* x2^2。代码运行，但我对结果的准确性有点失望。import sys import tensorflow
浏览 0提问于2017-07-30得票数 1
回答已采纳
1回答
有没有可能用Accord.NET设计一个神经模糊系统。我在Accord文档中找不到任何关于神经模糊系统的东西。以前有没有人这样做过，有什么技术可以做到吗？
浏览 0提问于2017-02-23得票数 0
云服务器
ICP备案
云直播
对象存储
腾讯会议
腾讯云开发者
