我正在为时间序列模型构建一个RNN，它具有分类输出。
例如，如果宝贵的3模式是＆＃34; A＆＃34;，＆＃34; B＆＃34;，＆＃34; A＆＃34;，＆＃34; B＆＃34;模型预测接下来是＆＃34; A＆＃34;。
还有与每个类别相关的数字水平。
例如A是100，B是50，
所以A（100），B（50），A（100），B（50），
我有模型框架来预测下一个是＆＃34; A＆＃34;，同时预测（100）会很好。
对于现实生活中的例子，您有国家天气数据。 你预测未来几天的天气类型（晴天，刮风，下雨等......），这将是很好的模型也将预测温度。
或者对亚马逊来说，分析客户的trxns模式。 客户购物类别 电子（100美元），家用（10美元），...... 预测该客户可能购买的下一个trxn类别，并同时预测该客户的数量。
研究了一下，没有找到关于类似主题的任何相关研究。
答案 0 :(得分：0)
什么阻止您为模型添加额外的输出？您可以将一个分类输出和一个数字输出彼此相邻。每个神经网络库都支持多个输出。
您需要规范化输出数据。应使用 one-hot encoding 对类别进行标准化，并且应通过除以某个最大值来对数值进行标准化。
研究了一下，没有找到关于类似主题的任何相关研究。
因为这不是一个真正的主题＆＃39;。这是完全正常的，它不需要一些特殊的网络。