আমি গবেষণা, কাজ করছি যেখানে তিনটি ঘটনা বিজয়ী শ্রেণীভুক্ত এক করার প্রয়োজনীয়তা = ( win
, draw
, lose
)
WINNER LEAGUE HOME AWAY MATCH_HOME MATCH_DRAW MATCH_AWAY MATCH_U2_50 MATCH_O2_50
3 13 550 571 1.86 3.34 4.23 1.66 2.11
3 7 322 334 7.55 4.1 1.4 2.17 1.61
আমার বর্তমান মডেলটি হ'ল:
def build_model(input_dim, output_classes):
model = Sequential()
model.add(Dense(input_dim=input_dim, output_dim=12, activation=relu))
model.add(Dropout(0.5))
model.add(Dense(output_dim=output_classes, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adadelta')
return model
- আমি নিশ্চিত নই যে এটি বহু শ্রেণীর শ্রেণিবিন্যাসের জন্য সঠিক
- বাইনারি শ্রেণিবদ্ধকরণের জন্য সেরা সেটআপ কী?
সম্পাদনা: # 2 - এর মতো?
model.add(Dense(input_dim=input_dim, output_dim=12, activation='sigmoid'))
model.add(Dropout(0.5))
model.add(Dense(output_dim=output_classes, activation='softmax'))
model.compile(loss='binary_crossentropy', optimizer='adadelta')
architecture
প্রায়শই স্তর । আমার প্রশ্ন # 2 জন্য কোন পরামর্শ?
activation='sigmoid'
এবংloss='binary_crossentropy'
activation='sigmoid'
মধ্যে আউটপুট স্তর। লুকানো স্তরটি 'relu'
আপনার পছন্দ মতোই থাকতে পারে (যদিও আমি সম্ভবত 'tanh'
এই সমস্যার জন্যই শুরু করব , এটি তত্ত্বের খুব সামান্য সমর্থন সহ ব্যক্তিগত পছন্দ)
activation='softmax'
পছন্দ এবং সংকলন পছন্দটি উল্লেখ করছেনloss='categorical_crossentropy'
? আইএমও, এর জন্য আপনার পছন্দগুলি একাধিক পারস্পরিক-এক্সক্লুসিভ শ্রেণীর পূর্বাভাস দেওয়ার জন্য কোনও মডেলের পক্ষে ভাল। আপনি যদি পুরো মডেলটির বিষয়ে পরামর্শ চান তবে এটি একেবারেই আলাদা এবং আপনার উদ্বেগগুলি কী তা সম্পর্কে আপনাকে আরও ব্যাখ্যা করা উচিত, অন্যথায় একক উত্তরে ব্যাখ্যা করার মতো অনেক কিছুই রয়েছে।