使用反向传播神经网络处理连续类标签

我有一个数据集,其中类标签是[-1,1]之间的连续值。基于此,我有一些问题:

  1. 我可以使用反向传播神经网络(BPNN)来处理这个问题吗?之前我有一个不同的数据集,标签是二元类,但对于这个数据集我不是很确定,因为现在它是一个回归问题。
  2. 如果神经网络可以处理这个数据集,我应该使用什么激活函数?Sigmoid,双曲正切函数(tanh),还是修正线性单元(relu)?

谢谢。


回答:

  1. 基本上可以,反向传播对于分类和回归问题都适用。

  2. 在输出层你应该使用tanh,因为它与你的输出范围([-1, 1])相匹配,但对于隐藏层你应该使用ReLU或类似的函数。不要在隐藏层使用sigmoid或tanh(仅在循环网络中使用),因为它们会导致梯度消失问题。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注