Question

有两个相对的问题。

所有2个问题都有多个答案。

question1: please mark the brands you know below

a)bland1 b)bland2 c)bland3 d)bland4

如果用户标记a）和c），则结果数组为[1,0,1,0]

question2: please mark the brands you have bought below

a)bland1  c)bland3

如果用户标记为a），则结果数组为[1,Nan,0,Nan]（因为在第1题中未选择bland2和bland 4，所以不会显示b和d）。所以最后一个数组是

[[1,0,1,0],
[1,Nan,0,Nan]]

我想通过预测来生成1000条记录，我需要生成的数据服从规则，但是结果很差，acc仅为0.25

_m = Sequential()

_m.add(Dense(5000,activation='relu',input_shape=(4,)),)

_m.add(Dense(500,activation='relu'))

_m.add(Dense(len(outs),activation='sigmoid'))

_m.compile(loss='binary_crossentropy',optimizer='adam',metrics=
['accuracy'])

_m.fit(x_train,y_train, batch_size=100,epochs=1000,verbose=0)

score = _m.evaluate(x_test,y_test,100)

请帮助改进它，我应该使用lstm吗？

Answer 1

放入Nan没有任何意义。您应该将其替换为0。您可能会错误地使用outs。我建议将outs设计为以下两个问题的组合：即知道

Q1的答案是[a1，b1，c1，d1]
Q2的答案是[a2，b2，c2，d2]

那么出局应该是[2 ^ a1 + a2、2 ^ b1 + b2、2 ^ c1 + c2、2 ^ d1 + d2]。

换句话说，您的模型将生成三元分类而不是二进制。

是否使用LSTM取决于您的输入：是时间序列数据，还是可以将其视为时间序列。

keras如何解决这些问题的相关任务？

1 个答案: