আমার কাছে 34 টি ইনপুট কলাম এবং 8 আউটপুট কলামযুক্ত একটি ডেটাসেট রয়েছে।
সমস্যাটি সমাধান করার একটি উপায় হ'ল 34 আউটপুট নেওয়া এবং প্রতিটি আউটপুট কলামের জন্য স্বতন্ত্র রিগ্রেশন মডেল তৈরি করা।
আমি ভাবছি বিশেষত নিউরাল নেটওয়ার্ক ব্যবহার করে কেবলমাত্র একটি মডেল ব্যবহার করে এই সমস্যাটি সমাধান করা যেতে পারে।
আমি মাল্টিলেয়ার পারসেপ্ট্রন ব্যবহার করেছি তবে এর জন্য লিনিয়ার রিগ্রেশন এর মতো একাধিক মডেল দরকার needs সিকোয়েন্স টু সিকোয়েন্স কী কার্যকর বিকল্প হতে পারে?
আমি টেনসরফ্লো ব্যবহার করছি। আমার কোড রয়েছে তবে আমি মনে করি যে মাল্টিলেয়ার পারসেপ্ট্রন তত্ত্বের ক্ষেত্রে আমি কী মিস করছি তা বোঝা আরও গুরুত্বপূর্ণ more
আমি বুঝতে পারি যে এমএলপিতে আপনার যদি একটি আউটপুট নোড থাকে তবে এটি একটি আউটপুট সরবরাহ করবে। আপনার যদি 10 আউটপুট নোড থাকে তবে এটি একটি বহু শ্রেণীর সমস্যা। আপনি 10 আউটপুটগুলির মধ্যে সর্বোচ্চ সম্ভাব্যতা সহ ক্লাসটি বেছে নিন। তবে আমার ক্ষেত্রে এটি নিশ্চিত যে একই ইনপুটটির জন্য 8 টি আউটপুট থাকবে।
বলি, এক সেট ইনপুটগুলির জন্য আপনি কোনও কিছুর 3D স্থানাঙ্ক পাবেন (এক্স, ওয়াই, জেড)। পছন্দ করুন, ইনপুট = {1,10,5,7} আউটপুট = {1,2,1}} সুতরাং একই ইনপুটটির জন্য {1,10,5,7} আমাকে এক্স ভ্যালু ওয়াই মান এবং জেডের জন্য মডেল তৈরি করা দরকার One তবে আমি দেখতে চাই যে আমার একটি মডেল থাকতে পারে কিনা। সুতরাং আমি seq2seq ব্যবহার সম্পর্কে চিন্তা। কারণ এনকোডারটি একটি ইনপুট একটি সিরিজ নেয় এবং ডিকোডারটি আউটপুট সিরিজ সরবরাহ করে। তবে মনে হচ্ছে সেন্সরফ্লোতে সেক 2 সেক ফ্ল্যাট মানগুলি পরিচালনা করতে পারে না। যদিও আমি এই সম্পর্কে ভুল হতে পারে।