我想用深入的學習來調用分數的功能

我有一個問題，並想知道我是否可以使用深度學習來解決它。我有一個7個功能的清單，每個清單我有7個分數。我想用深入的學習來調用分數的功能

對於爲特徵的實施例：

[0.2,0.6,0.2,0.6,0.1,0.3,0.1]

我有以下分數：

[100,0,123,2,14,15,2]

和用於功能：

[0.1,0.2,0.3,0.6,0.5,0.1,0.2]

我有以下分數：

[10,10,13,22,4,135,22]

等。

如何利用深度學習訓練網絡，給予的功能列表會給我回正確的分數任何想法。

感謝

來源

2015-06-27 Oren

這裏有一個迴歸問題的基本設置。你可以嘗試使用神經網絡工具包來解決這個問題。我寫了一個叫theanets工具包，可以幫助，所以我給的如何使用它一個簡單的例子：

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)

有用於配置和訓練模型的幾個選項，看看該文件更多信息。

也有許多，許多其他的神經網絡工具包在那裏，這裏僅僅是幾個常見的，我很熟悉：

你可能想試試看看它們是否適合你想要解決的問題的心智模型。

來源

2015-06-29 21:37:36 lmjohns3

你產生神經網絡的一個大數目
你給健身比分成果的基礎上每個神經網絡（越高健康分數越好）
您排序神經網絡通過他們的健身評分
您採取第一個x％
您應用小突變到每個選定的神經網絡。

重複2-5直到結果令人滿意。

即在第一步驟中提到的大數目應大致等於：

(100/x)^generationCount

其中x這裏是同一個如在步驟4和generationCount是直至最終結果的世代的量。

來源

2015-06-28 00:06:06 ioanD

我想用深入的學習來調用分數的功能

回答

相關問題