2
A
回答
0
通常在這種情況下,您將所有輸入序列(通常稱爲特徵向量)的大小設置爲相同。現在,你怎麼做取決於你的數據的性質。
一個最簡單的方法是將0
附加到除最長的矢量之外的所有矢量。或者相反 - 修剪除了最小的矢量外的所有。
當所有的特徵向量大小相同時,您可以使用任何機器學習算法。
0
看看遞歸神經網絡(RNN)。
這些着名的網絡是LSTM,可以使用TensorFlow輕鬆實現。
https://en.wikipedia.org/wiki/Long_short-term_memory
https://www.tensorflow.org/versions/r0.11/tutorials/recurrent/index.html
相關問題
- 1. 機器學習算法
- 2. 奇怪的行爲序列序列學習的可變長度序列
- 3. 深度學習與機器學習
- 4. 此任務的機器學習算法?
- 5. 紅寶石機器學習算法
- 6. 迭代機器學習算法
- 7. 機器學習 - 分類算法
- 8. 機器學習算法評估
- 9. 關於機器學習,統計學習算法
- 10. 是否有成功學習奇偶校驗函數的機器學習算法?
- 11. 適用於多條件變量的機器學習算法?
- 12. 帶有可變長度序列的Tensorflow RNN,填充零影響學習
- 13. 人類可解釋的監督機器學習算法
- 14. scikit-learn標準化值中的機器學習算法?
- 15. 感知器學習算法
- 16. 機器學習算法預測下一個值
- 17. 機器學習聚類算法:k均值和高斯混合
- 18. 隨機選擇學習卡的算法
- 19. 少數樣本和特徵的機器學習算法
- 20. 用於數據分類的機器學習算法。
- 21. 如何處理機器學習算法中的定性數據
- 22. 如何彌補機器學習算法中的數據不足?
- 23. 爲數據選擇機器學習算法
- 24. 學習算法的方法
- 25. Adaline學習算法
- 26. 學習圖算法
- 27. 哪些算法涉及深度學習?
- 28. 機器學習在Python:scikit學習/ Pybrain
- 29. 機器學習算法,說哪些列車數據導致當前的決定
- 30. 學習計算機圖形