使用受限玻尔兹曼机推断缺失数据

类似于Netflix竞赛,假设我们有一个包含缺失评分的电影数据集。我该如何修改受限玻尔兹曼机(RBM)来推断这些缺失值?在相关论文中,一种直接的方法是对缺失的可见特征进行随机填补。然而,我对重构的准确性持怀疑态度,因为它可能依赖于这些缺失可见节点的初始值。

你有什么建议吗?

谢谢


回答:

https://www.youtube.com/watch?v=laVC6WFIXjg,这个视频可能会有所帮助。

我认为在填补随机值后进行采样是一个好主意。Hinton在视频中对此进行了解释。你也可以尝试估计先验,或者进行多次采样,或者基于其他不同方法进行猜测,然后再进行重构。

在视频中,Hinton提到这种方法本身确实不够准确,但当与矩阵分解(或其他类似方法)结合使用时,可以非常强大。

Related Posts

Keras Dense层输入未被展平

这是我的测试代码: from keras import…

无法将分类变量输入随机森林

我有10个分类变量和3个数值变量。我在分割后直接将它们…

如何在Keras中对每个输出应用Sigmoid函数?

这是我代码的一部分。 model = Sequenti…

如何选择类概率的最佳阈值?

我的神经网络输出是一个用于多标签分类的预测类概率表: …

在Keras中使用深度学习得到不同的结果

我按照一个教程使用Keras中的深度神经网络进行文本分…

‘MatMul’操作的输入’b’类型为float32,与参数’a’的类型float64不匹配

我写了一个简单的TensorFlow代码,但不断遇到T…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注