我正在尝试使用带有KERAS和tensorflow库的R使用稀疏数据来进行深度学习。我有20行乘26列的实值数据，范围从0到1000。每行中的元素的总和必须接近1000。其中一些由于值太小而被删除。每个要素都是数量测量。每行如下所示。
第1行：3 1.6 0 0 0 0 0 0 0 0 0 10 0.19 0 0 0 3 0 0 7 150 828.01 0 0 0 2.2 0
第2行：7.8 13 0 0 0 0 4 6 0 0 13 0 0.19 0 2 0 3.8 0 0 200 750.21 0 0 0 0 0
每一个都分别测量沸点
-39 -5 100 15 14 72 52 89 47 51 25 54 100 100 100 100 54 80 54 86 56 54 55 54 100 100 138
对于每个观察值（例如第1行），我都有一个实际的沸点测量值。例如，第1行是49，第2行是40。目标是根据第1行和沸腾测量值来预测每个观测沸点，然后将其与实际值进行比较。
到目前为止，我的尝试是将模型放在keras_model_sequential model <- keras_model_sequential()中，并使用relu作为激活函数。
如何使用tanh激活函数或arctan激活函数对此建模？
例如tanh（row1 / 1000）*煮沸点行_1。 任何建议或替代方法将不胜感激。
答案 0 :(得分：-1)
您为什么将R用于此任务？我建议使用Python，因为有大量有关Python的Keras文档（我找不到R的文档）。也就是说，here可以找到有关如何确定激活功能的描述。