Question

我想使用R中的keras / tensorflow使用两个结构不同的数据（混合数据）预测二进制分类器。

我遇到了一个有趣的教程，该教程在python中使用了keras：

https://www.pyimagesearch.com/2019/02/04/keras-multiple-inputs-and-mixed-data/

我想在问题中做类似的事情：将两个不同的方面用作模型的两个分支，然后将它们连接起来，然后一起进行训练。因为我以前只在keras中使用顺序模型，所以我真的不知道该怎么做。

我的第一个分支包含了对0到1（标准化）患者的测量。

此数据的维数例如为200x100，可对100位患者进行200次测量。

我的第二个分支包含一种网络信息/（最近的）邻居构造，用于相同的测量和患者。此信息被保存为邻居的向量。

此数据的维数例如这100名患者中200次测量中的4个最近邻居为200x100x4。

如何在R中构造分支和模型？我想从最简单的方法开始，然后尝试扩展。

第一部分可以例如看起来像这样，可以正常运行：

model <- keras_model_sequential() 
model %>%
   layer_dense(units = FLAGS$dense_units1, input_shape = c(measurements)) %>%   
   layer_dense(units = 2, activation = 'softmax')

adadelta <- optimizer_adadelta(lr = FLAGS$learning_rate)

early_stopping <- callback_early_stopping(monitor = 'val_loss', patience = 20)

model %>% compile(loss = 'binary_crossentropy', optimizer = adadelta, metrics = c("accuracy"))

model %>% fit(data.training, data.trainLabels, epochs = FLAGS$epochs, view_metrics = FALSE,
              validation_split = 0.2, shuffle = TRUE
              , callbacks = early_stopping
        )

如何在R中使用keras和tensorflow构造混合数据模型？

0 个答案: