我有一个最大长度为10的输入字母数字字符串，并且我有四个不同的函数集，例如alllower（），allupper（），containsvowel（），containsnumber（）。让我们将这些函数称为f1，f2，f3，f4。取决于字符串，如果满足条件，则每个函数将返回1；如果条件为false，则该函数将返回0。
示例：
Input : baby
Then : f1 -> 1, f2 -> 0, f3 -> 1, f4 -> 0
So the ranking would be : f1 f3 f2 f4
现在我需要使用深度学习来解决这个问题
我已经使用python代码自行生成了大约1000个字符串的排名以及相应的排名
string f1 f2 f3 f4
baby 1 3 2 4
Hello 2 3 1 4
.
.
.
现在，如果我输入一个新字符串，我的深度学习算法应相应地预测功能的排名
还建议了一种有效的方法，将这些字符串转换为相应的整数，以作为输入在输入层中输入。
答案 0 :(得分：0)
首先，我真的不明白为什么您需要对这个问题进行深度学习。 深度学习假设使用深度神经网络，在您的情况下这是无用的。无论如何，为了应用神经网络，您需要对问题的输入和输出进行编码。对于输入，您可以将每个单词转换为字符串01 ... 9abc ... zABC ... Z中的字母位置列表（这不是最佳方法，但是它编码了足够的信息），然后将其转换为单词0-1个特征向量或将“嵌入”用作第一层。对于输出，基本上，您需要预测数字（1,2,3,4）的24（4 * 3 * 2）个排序之一，因此您可以将它们编码为24维向量，应应用{{1 }}在您的NN的最后一层激活。