我想建立一个Keras模型,以了解是什么驱动了多维数据上下文中的获利能力。我面临的挑战是如何解决这个问题。
我有一个具有以下结构的数据集。第三个对象包括“结果”变量,我想使用所有其他变量对此进行预测。在“车轮”和“出租车旅行”与“乘客”和“出租车旅行”之间存在一对多关系。因此,一辆出租车有更多的轮子(通常是4个),而车上有一个或多个乘客。
Wheels:
- Position
- pressure
- ... etc ...
- KEY_taxitrip
Passengers:
- Seat
- Weight of passenger
- Name
- ... etc ...
- KEY_taxitrip
Taxi trip:
- KEY_taxitrip
- Profit
- Car
- Brand
- From location
- Two location
- ... etc ...
我一直在考虑的方法是将数据展平,但这将导致每个“出租车行程”的多个实例,而且将消除“车轮”和“乘客”值之间可能的相互作用。同样,这将使得很难将其用于预测。
有人针对此类问题在有关keras解决方案设计的文献上有任何建议吗?
答案 0 :(得分:0)
我相信它在LSTM中被称为多输入 您可以在这篇文章中找到不同的结构:https://machinelearningmastery.com/keras-functional-api-deep-learning/
专家可能会提供更好的答案。