我有一个问题，想知道是否可以使用深度学习来解决。我有一组7个特征的列表，每个列表对应7个分数。
例如，对于以下特征：
[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]而对于以下特征：
[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]等等…
有什么想法可以利用深度学习来训练一个网络，使得给定一组特征后，能够返回正确的分数吗？
谢谢
回答：
你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。我编写了一个名为theanets的工具包，可能会有所帮助，所以我将给出一个简单的示例，展示你如何使用它：
import numpy as npimport theanets# 设置数据数组：X 是输入，Y 是目标输出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')# 设置回归模型：# 使用一个隐藏层从 X 映射到 Yexp = theanets.Experiment( theanets.Regressor, (X.shape[1], 100, Y.shape[1]))# 使用 rmsprop 算法训练模型exp.train([X, Y], algorithm='rmsprop')# 预测某些输入的输出Yhat = exp.network.predict(X)有几种配置和训练模型的选项，可以查看文档以获取更多信息。
还有很多其他神经网络工具包，以下是我熟悉的一些流行工具包：
你可以尝试这些，看看它们是否更符合你对所要解决问题的思维模型。
