Question

我（显然）是新来的，并尝试使用this作为指导，使用角膜进行多目标回归，但是我遇到了麻烦。我遇到的一件事是如何在model.add(Dense(input_dim=4, output_dim=500))行中初始化Dense层。我认为input_dim=4是由于XX_train数组具有4列，但是不确定。我也不清楚为什么使用output_dim=500。 500的价值从何而来？它是任意的吗？

我看了keras文档here，它使用了input_shape参数，但是我不确定应该为units和{{1 }}参数。显然，input_shape仅需要为第一层传递，但是对于所有后续层，input_shape参数是否应该始终具有相同的值（在链接中所示的示例中为32）？该文档将单位定义为：“单位：正整数，输出空间的维数”，但我必须承认我不确定这是什么意思。这是否意味着如果我要预测8个要素的值（y_train，y_test），units？

This指出我只需要将units=8传递到第一层，但没有说明如何确定该形状。

我要做什么：我有11列和数千行数据。我正在尝试使用这些列中的3个作为特征来预测其他8个（已标记）。我可能缺少明显的东西，但是有人可以指出正确的方向吗？据我所知，多目标回归甚至可能不是解决之道。

感谢您的帮助。我为我明显的不幸而致歉。请让我知道是否需要提供更多信息。

Answer 1

model.add（密集（input_dim = 4，output_dim = 500））。我认为input_dim = 4 是由于XX_train数组具有4列，但不确定

是的，这是正确的。 input_dim为4，因为XX_train有4列。

500的值从哪里来？它是任意的吗？

这是凭经验发现的。

这是否意味着如果我要预测8个要素的值（y_train，y_test），单位= 8？

是的，这是正确的。

我要做什么：我有11列和数千行数据。我正在尝试使用其中三列作为预测的特征其他8个（已标记）。我可能缺少明显的东西，但是有人可以指出我正确的方向吗？

代码段，只是一个起点。

from keras.layers import Dense, Activation
from keras.models import Sequential

model = Sequential()
model.add(Dense(32, activation='relu', input_dim=3))
model.add(Dense(64, activation='relu')) # add more layers as necessary
model.add(Dense(8))
model.summary()  # use summary() to verify model architecture

如何确定要为keras Dense层构造函数使用哪些参数？

1 个答案: