每次观察训练具有两组空间坐标的神经网络？

Posted 2023-03-12

【中文标题】每次观察训练具有两组空间坐标的神经网络？

【英文标题】：Training a neural network with two groups of spacial coordinates per observation?

【发布时间】：2017-01-19 10:04:36

【问题描述】：

我正在尝试预测多个组具有空间 (x,y) 坐标的输出（回归）。我一直在使用 scikit-learn 的神经网络包（MLPClassifier 和 MLPRegressor），我知道可以通过每次观察输入一维数组（例如 MNIST 数据集）来使用空间数据对其进行训练。

我试图找出告诉模型第 1 组具有这组空间坐标和第 2 组具有不同的空间坐标组的最佳方法，并且这种组合产生了结果。输入一个数组是否更有意义，其中第 1 组位置由 1 表示，第 2 组位置由 -1 表示？或者为第 1 组创建一个数组并分组并附加它们？对神经网络来说仍然很新——希望这个问题有意义。

【参考方案1】：

如果我做对了，您基本上是在尝试在输入中实现分类变量，这基本上是通过为每个可能的类（在您的情况下为“组 1”和“组 2”）添加一个输入变量来完成的保存二进制值（如果样本属于该组，则为 1，如果不属于该组，则为 0）。您是否希望保留实际坐标取决于您是否希望网络处理实际空间数据，或者只是将其输出基于样本所属的组。由于我对您使用的特定模块没有太多经验，因此无法提供实际代码，但希望对您有所帮助。