Keras 如何在神经网络中传递预测中我没有的输入值';我不知道
我使用了一个非常简单的神经网络(一个密集层),不同的矢量化输入(tfidf矢量器)连接在一起 培训内容包括水果、蔬菜和其他东西 类别/标签为[橙色、苹果、大蒜、草莓等] 我想传递的一个重要值是每个实例的父类别,例如:Keras 如何在神经网络中传递预测中我没有的输入值';我不知道,keras,neural-network,Keras,Neural Network,我使用了一个非常简单的神经网络(一个密集层),不同的矢量化输入(tfidf矢量器)连接在一起 培训内容包括水果、蔬菜和其他东西 类别/标签为[橙色、苹果、大蒜、草莓等] 我想传递的一个重要值是每个实例的父类别,例如: category: apple parent category in input: fruits category: garlic parent category in input: vegetables 当我必须使用我的神经网络来预测我不知道父类别的数据时,问题就来了,所以我
category: apple
parent category in input: fruits
category: garlic
parent category in input: vegetables
当我必须使用我的神经网络来预测我不知道父类别的数据时,问题就来了,所以我不能将这些信息作为神经网络的输入来传递
可以选择使用2 NN:
- 第一个将预测所需类别的父类别
- 第二个将预测所需的类别,但在输入中,我还将输入父类别
有什么建议吗?我觉得最好忽略这些关于训练的信息,因为在预测中你不会有这些信息。使用两个神经网络可能会损害您的模型精度,因为您的第二个神经网络依赖于第一个网络精度。2个神经网络可能会降低精度,但同时我看到尝试在更大(更通用)的类别(例如水果、蔬菜,而不是所有单一的水果和蔬菜)上进行训练和预测精度更高。因此,通过第2个NN预测,我希望精度是正确的。