-2

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。

4

1 回答 1

0

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/

于 2019-04-23T20:06:32.133 回答