创建一个输出单一概率的LSTM网络

Question

我是LSTM和tensorflow的新手，并且希望构建一个LSTM网络来根据最近30天的活动对行为进行分类。我的数据集由过去30天的移动用户数据（每天6个实值变量）组成。它还有一个指标字段，说明它们在30天结束时是否有效。我想预测他们在30天后活跃的可能性。你可以协助以下任何一种：

1. 指示我的一些示例代码，我可以用来了解如何解决我的问题。
2. 对一些有助于在tensorflow中学习LSTM的文献提供建议。
3. 其他有用的建议。

Answer 1

因为看起来你在神经网络领域是相当新颖的，所以查看一些课程可能是一个不错的主意。也就是说，也看看凯拉斯：https://keras.io/layers/recurrent/。它可以让你轻松地尝试一下，看看有效或无效。一些代码大致做你想要的是：

model = Sequential() 
model.add(LSTM(10, input_shape=(30, 6))) # hidden state with 10 units 
model.add(Dense(2)) # two classes: active, not active 
model.add(Activation('softmax')) 

希望这可以帮助你有点在你的方式进入神经网络的世界！