擅长:python、mysql、java
<p>如果你想把你的一个logistic标签理解为一个多元回归的问题,那就把它理解为一个多元回归的问题。(最高分取标签)。在</p>
<p><strong>如果你一定要使用深度学习。</strong></p>
<p>一个简单的前馈神经网络应该做到,通过反向传播来监督学习。输入层有N个神经元,可以添加一个或两个隐藏层,不能超过这个数目。无需对该数据进行“深度<em>并添加更多层,<strong>存在使用更多层容易过度拟合数据的风险,<strong>如果这样做,则很难找出问题所在,并且测试精度将受到很大影响。在</p>
<p>如果您需要找出哪些特性是重要的(或可能存在的任何相关性),那么简单地绘制或可视化数据(即使用t-sne)可能是一个好的开始。在</p>
<p>然后你可以使用那些特征维度的更高的能力/或者增加他们的分数的权重。在</p>
<p>对于这样的问题,深度学习可能不太适合。但是,像这样一个简单的ANN架构应该能很好地工作,这取决于数据。在</p>