如何利用CNN来处理二维回归问题？
如何利用CNN来处理二维回归问题？
提问于 2020-01-16 17:22:38
我有七个度量(Obs1-7)，每个度量都有X，y，t的维数，其中x和y是坐标，t是时间。现在，我想要建立一个模型，使用前6个度量来预测最后一个度量，即Obs7=f(Obs1 1~6)。我想用CNN来提炼这种关系。我有一些使用CNN进行分类的经验，但不知道如何处理这种2D/3D回归。有人能给我一些想法吗？谢谢!
回答 1
Data Science用户
发布于 2020-01-16 20:49:49
它甚至应该比分类更容易:您不需要最后一层。
您的输入层应该有18个节点(x_i,y_i,t_i)|i=1..6
你认为合适的隐藏层(根据数据和结果进行实验)。我期望一个完全连接的层和一个“relu”层的最佳结果。
输出层有3个节点(x_7, y_7, t_7)。
训练模特。
求值只是将一组18个值前馈，并从输出层节点检索3个结果。
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/66597
复制相关文章
相似问题
腾讯云开发者
