同一个模型可以分类+预测连续值吗?

Posted

技术标签:

【中文标题】同一个模型可以分类+预测连续值吗?【英文标题】:Can the same model classify + predict continuous values? 【发布时间】:2018-09-09 04:51:55 【问题描述】:

假设我有一个狗照片数据集。每张照片只有一只狗。单个样本的输出向量是什么样的,如果需要,我该如何训练网络:

预测图片中狗的年龄(以天为单位)

对狗的性别进行分类

对狗的品种进行分类

预测图片中狗鼻子的(x,y)坐标(其中每个坐标是0-1之间的值,表示距离输入图像左上角的百分比)

【问题讨论】:

【参考方案1】:

你仍然可以只使用一个模型来解决这类问题。

但是,您的模型将具有如下 5 层架构:

    第一个“核心”模型可以输入您的狗照片 第二个模型输入核心模型的输出并预测年龄 第三个模型输入核心模型的输出并预测性别 第四个模型输入核心模型的输出并预测品种 第五个模型,输入核心模型的输出并预测坐标...

虽然理论上可行,但为了对所有模型都有良好的结果,这可能有点麻烦。

这或多或少是谷歌大脑here 所做的(除了他们的模型更加多样化)。

PS:对于这种问题,你应该在 stats.stackexchange.com 或 datascience.stackexchange.com 上问他们

【讨论】:

以上是关于同一个模型可以分类+预测连续值吗?的主要内容,如果未能解决你的问题,请参考以下文章

分类预测与回归模型介绍

挖掘建模

数据挖掘模型

R语言数据挖掘实战系列

构建神经网络模型

R语言笔记——将分类变量转换为连续变量