创建输出单个概率的LSTM网络

Question

我是LSTM和tensorflow的新手，并希望建立一个LSTM网络，根据最近30天的活动对行为进行分类。我的数据集由过去30天的移动用户数据（每天6个实值变量）组成。它还有一个指示字段，说明它们在30天结束时是否有效。我想预测它们在30天后活跃的概率。你能协助以下任何一方：

1. 指导我一些示例代码，我可以用它来学习如何解决我的问题。
2. 建议一些有助于在张量流中学习LSTM的文献。
3. 任何其他有用的建议。

Answer 1

因为看起来你在神经网络领域是一个新手，所以看一些课程可能是个好主意。也就是说，还要看看Keras：https://keras.io/layers/recurrent/。它允许您轻松地进行实验，以查看哪些有效或无效。一些粗略地做你想要的代码是：

model = Sequential()
model.add(LSTM(10, input_shape=(30, 6))) # hidden state with 10 units
model.add(Dense(2)) # two classes: active, not active
model.add(Activation('softmax'))

希望这可以帮助您进入神经网络世界！