machine-learning - 如何设计 MLP 神经网络来预测成本？

Question

我正在努力学习机器学习的基础知识，我需要使用 MLP（多层感知器）设计一个神经网络。

网络应该基于 4 个参数来预测汽车的总成本： - 每 100 公里的平均油耗（4.7 到 11.5 之间） - 汽车的重量（700 千克到 2300 千克之间） - 与汽车一起旅行的人数（2 到 4 之间）- 行程长度（10 公里到 8000 公里之间）

此外，我知道骑行的总成本（这里是输出）应该在 100 到 40000 之间。

我必须分析地设计网络，而无需编写任何代码。目的是更好地了解 MLP 网络类型。

我设计的神经网络有 4 个对应于列出的每个特征的入口单元，一个由 2 个神经元和一个输出神经元组成的隐藏层。

问题是我没有输入数据集，我不明白这些功能的范围将如何帮助我。

在这种情况下，我应该使用随机梯度下降计算权重，但由于这不是分类问题，我不确定如何获取输出神经元的权重。

score 0 · Accepted Answer

您可以从这里开始：https ://www.kaggle.com/xgdbigdata/keras-regression-tutorial 在第 2 块您更改为

model = Sequential()
model.add(Dense(output_dim=2, input_dim=4, activation='relu'))
model.add(Dense(1))

Keras 将负责权重和 SGD。您除以最大值的每个功能都应该足够了。您可以在这里查看例如：https ://datascienceplus.com/keras-regression-based-neural-networks/

1 回答 1