5个输入和3个输出功能，用于机器学习

Question

需要一些建议。

我正在尝试构建一个模型，它可以在给出5个输入要素时预测3种不同的输出特征。

例如，

5输入功能：房屋大小，房屋楼层，房屋条件，房间数量，停车位。 3输出功能：销售价格，购买价格，租赁价格

我现在困惑的是，受过训练的模型是否有可能预测3个输出？我从其他人的例子/教程中发现的是，他们主要只是试图在他们的模型上做一件事。

很抱歉，如果我的解释很糟糕，我不熟悉tensorflow和机器学习。

Answer 1

神经网络绝对可以预测/近似更多输出。我有神经元调节器的经验和两个电机的净产生控制信号。

所以我没有使用tensorflow的经验。但是这个框架来自谷歌并且很受欢迎，所以我几乎可以肯定，它有多输出功能。

有一个很好的例子of such thing.

Answer 2

在通常的实践中，我们建立一个模型来预测只有一个输出，这是因为在监督学习中，我们应该输入某些特定类型的变量，并找到它们与想要的输出之间的关系。因为这种关系通常不能在输入和另一个想要的输出之间起作用。

但我们可以采用一种特殊技术来解决您的问题：

如果我们有四个输入变量：I1，I2，I3，I4，我们想要三个输出标签（通常是离散的）：O1，O2，O3。所以我们可以在合并原来的三个输出后创建一个新的标签O4。例如，如果O1，O2，O3可以是0或1，则O4总共有2 ^ 3个可能的值。因此，我们可以在四个输入变量和输出O4之间建立预测模型。一旦知道O4的值，O1-O3也都是已知的。

然而，如果输出变量并非都是离散的，特别是使用回归技术，则上述技术无法工作。因此，为了预测三个输出，我们通常会进行三次训练并制作三个模型。