我想用深入的学习来调用分数的功能

我有一个问题，并想知道我是否可以使用深度学习来解决它。我有一个7个功能的清单，每个清单我有7个分数。我想用深入的学习来调用分数的功能

对于为特征的实施例：

[0.2,0.6,0.2,0.6,0.1,0.3,0.1]

我有以下分数：

[100,0,123,2,14,15,2]

和用于功能：

[0.1,0.2,0.3,0.6,0.5,0.1,0.2]

我有以下分数：

[10,10,13,22,4,135,22]

等。

如何利用深度学习训练网络，给予的功能列表会给我回正确的分数任何想法。

感谢

来源

2015-06-27 Oren

这里有一个回归问题的基本设置。你可以尝试使用神经网络工具包来解决这个问题。我写了一个叫theanets工具包，可以帮助，所以我给的如何使用它一个简单的例子：

import numpy as np 
import theanets 

# set up data arrays: X is input, Y is target output 
X = np.array([ 
    [0.2,0.6,0.2,0.6,0.1,0.3,0.1], 
    [0.1,0.2,0.3,0.6,0.5,0.1,0.2], 
], 'f') 
Y = np.array([ 
    [100,0,123,2,14,15,2], 
    [10,10,13,22,4,135,22], 
], 'f') 

# set up a regression model: 
# map from X to Y using one hidden layer. 
exp = theanets.Experiment(
    theanets.Regressor, 
    (X.shape[1], 100, Y.shape[1])) 

# train the model using rmsprop. 
exp.train([X, Y], algorithm='rmsprop') 

# predict outputs for some inputs. 
Yhat = exp.network.predict(X)

有用于配置和训练模型的几个选项，看看该文件更多信息。

也有许多，许多其他的神经网络工具包在那里，这里仅仅是几个常见的，我很熟悉：

你可能想试试看看它们是否适合你想要解决的问题的心智模型。

来源

2015-06-29 21:37:36 lmjohns3

你产生神经网络的一个大数目
你给健身比分成果的基础上每个神经网络（越高健康分数越好）
您排序神经网络通过他们的健身评分
您采取第一个x％
您应用小突变到每个选定的神经网络。

重复2-5直到结果令人满意。

即在第一步骤中提到的大数目应大致等于：

(100/x)^generationCount

其中x这里是同一个如在步骤4和generationCount是直至最终结果的世代的量。

来源

2015-06-28 00:06:06 ioanD

我想用深入的学习来调用分数的功能

回答

相关问题