目标约束回归

  统计/机器学习 回归分析 监督式学习    浏览次数:237        分享
0

18维输入(x1,x2....x18)9维输出(y11,y12,y13,y21,y22.y23,y31,y32,y33)做回归,用sklearn库,如何在算法中约束输出?比如:y11+y12+y13=1  y21+y22+y23=1 y31+y32+y33=1 

 

saaad   2020-01-18 10:56



   1个回答 
0

你的输出中线性相关性,所以可把已知相关的y给去掉。

去掉之后你的回归是:

18维输入(x1,x2....x18)6维输出(y12,y13,y22.y23,y32,y33)

然后再根据已知限制条件计算得到

y11 = 1 - y12 - y13

y21 = 1 - y22 - y23

y31 = 1 - y32 - y33

SofaSofa数据科学社区DS面试题库 DS面经

tbh   2020-01-18 14:38

这是我的单输入两输出模型,输入:5维 输出----fc_a:3维(要求:3个维度输出之和为1)、fc_b:2维 . 。。。 x = tf.keras.layers.Dense(64)(inputs) x = tf.keras.layers.Dense(64)(x) fc_a=tf.keras.layers.Dense(name='fc_a',units=3,activation=tf.nn.softmax)(x) fc_b=tf.keras.layers.Dense(name='fc_b',units=2)(x) model = tf.keras.Model(inputs=inputs, outputs=[fc_a, fc_b]) model.compile(optimizer='Adam', loss='mean_squared_error',metrics=['mse']) history=model.fit(X_train,[y1_train,y2_train],epochs=300,batch_size=10) 。。。 预测效果不好,请问,如何进行约束呢?自定义loss 或者激励函数?查了半天,keras的loss都是定义在y_pred 与y_true上的 - saaad   2020-01-20 16:43


  相关主题

adaboost做回归预测的时候,是怎么调整样本权重的?   1回答

文本或者语音里的数字识别是分类还是回归?   1回答

逻辑回归的前提假设是什么?   2回答

线性回归的bagging   2回答

可以对线性回归进行boosting吗?   3回答

证明在线性回归中,如果样本数量N小于特征数量d+1,则XXT的秩最大为N?   1回答

逻辑回归最终的所有结果都是0的原因   3回答

python中可以做beta regression的包?   1回答

最小二乘线性回归的推导   2回答

在线性回归模型中存在epoch的说法吗?   2回答

泊松回归的公式是什么?   2回答

如果迫使一个线性回归模型的截距为0,会有什么坏处吗?   2回答



回答问题时需要注意什么?

我们谢绝在回答前讲“生动”的故事。

我们谢绝“这么简单,你自己想”、“书上有的,你认真看”这类的回答;如果你认为对方的提问方式或者内容不妥,你可以直接忽略该问题,不用进行任何作答,甚至可以对该问题投反对票。

我们谢绝答非所问。

我们谢绝自己不会、硬要回答。

我们感激每一个用户在编写答案时的努力与付出!