Tôi có một bộ dữ liệu chứa 34 cột đầu vào và 8 cột đầu ra.
Một cách để giải quyết vấn đề là lấy 34 đầu vào và xây dựng mô hình hồi quy riêng cho từng cột đầu ra.
Tôi tự hỏi liệu vấn đề này có thể được giải quyết chỉ bằng một mô hình đặc biệt là sử dụng Mạng thần kinh.
Tôi đã sử dụng Perceptionron đa lớp nhưng cần nhiều mô hình giống như hồi quy tuyến tính. Sequence to Sequence có thể là một lựa chọn khả thi không?
Tôi đang sử dụng TensorFlow. Tôi có mã nhưng tôi nghĩ điều quan trọng hơn là phải hiểu những gì tôi đang bỏ lỡ về mặt lý thuyết perceptionron đa lớp.
Tôi hiểu rằng trong MLP nếu bạn có một nút đầu ra, nó sẽ cung cấp một đầu ra. Nếu bạn có 10 nút đầu ra thì đó là một vấn đề đa lớp. Bạn chọn lớp có xác suất cao nhất trong số 10 đầu ra. Nhưng trong trường hợp của tôi, chắc chắn sẽ có 8 đầu ra cho cùng một đầu vào.
Hãy nói rằng, đối với một tập hợp các đầu vào, bạn sẽ có tọa độ 3D của một cái gì đó (X, Y, Z). Giống như, Đầu vào = {1,10,5,7} Đầu ra = {1,2,1}. Vì vậy, với cùng một đầu vào {1,10,5,7} tôi cần tạo các mô hình cho giá trị X giá trị Y và Z. Một giải pháp là có 3 mô hình khác nhau sử dụng MLP. Nhưng tôi muốn xem nếu tôi có thể có một mô hình. Vì vậy, tôi nghĩ về việc sử dụng seq2seq. Bởi vì bộ mã hóa lấy một loạt đầu vào và bộ giải mã cung cấp một loạt đầu ra. Nhưng có vẻ như seq2seq trong tenorflow không thể xử lý các giá trị float. Tôi có thể sai về điều này mặc dù.