Machine learning 如何从多组数据中训练神经网络？

我有很多相关的数据，我想用来训练神经网络。数据来自于飞行一定距离的赛鸽。输入可以是体重、年龄、大小、翼展、性别、距离、时间等，比如说每分钟采样一次。 我试图预测一只鸽子在给定输入的情况下完成一场比赛的典型时间。 输入数据将标准化，以提高网络效率。 一行典型的数据可能看起来像体重、年龄、大小、翼展、性别、距离和时间 -1.34, -1.23, -0.49, 0.47, 0.97, -1, -1.44, -0.75 随着比赛的进行，会有很多这样的赛线，最后每只鸽子都会有一个计时结果。3小时5分钟。 然后我会有一套完整的比赛数据，但很明显，每一场比赛都是不同的，所以我需要一种方法来训练很多比赛。 我的问题是，因为每一场比赛都是一个谨慎的事件，我应该用什么方法来训练网络。我感到困惑的是，这不是一个连续的数据流，我可以让它开始工作。我是否应该用一套\比赛训练它，直到它学会了这一点，然后再进行下一套，等等，或者是否有一种方法可用于解决此类问题

---

谢谢

如果我正确理解您的问题，您有：

一系列比赛

每一场比赛，你都有一组鸽子

对于比赛中的每只鸽子，你每分钟都要记录一系列的数值

对于比赛中的每一只鸽子，你也有它的最后时刻

你想预测一只鸽子在一场现场比赛中记录的一系列数值的最后时刻

如果这些都是正确的，那么我将观察以下几点：

就这个问题而言，忽略两只鸽子是在同一场比赛中飞行还是在两个不同的比赛中飞行是有意义的。因此，可以放弃“比赛”的概念，输入数据现在可以被认为是鸽子记录的一组苍蝇

本质上，您的数据是时间序列。常规前馈网络不适合时间序列。您需要使用循环网络。目前，实践中常用的两种递归网络是LSTM和GRU

---

从头开始编写递归神经网络不是一个好主意。选择一个框架（Keras、TensorFlow、Mxnet等），查找关于如何在该框架中培训LSTM的文档——所有这些框架都有这样的教程——并根据您的用例进行调整。

如果我正确理解了您的问题，您有：

一系列比赛

每一场比赛，你都有一组鸽子

对于比赛中的每只鸽子，你每分钟都要记录一系列的数值

对于比赛中的每一只鸽子，你也有它的最后时刻

你想预测一只鸽子在一场现场比赛中记录的一系列数值的最后时刻

如果这些都是正确的，那么我将观察以下几点：

就这个问题而言，忽略两只鸽子是在同一场比赛中飞行还是在两个不同的比赛中飞行是有意义的。因此，可以放弃“比赛”的概念，输入数据现在可以被认为是鸽子记录的一组苍蝇

本质上，您的数据是时间序列。常规前馈网络不适合时间序列。您需要使用循环网络。目前，实践中常用的两种递归网络是LSTM和GRU

从头开始编写递归神经网络不是一个好主意。选择一个框架（Keras、TensorFlow、Mxnet等），查找关于如何在该框架中培训LSTM的文档——所有这些框架都有这样的教程——并根据您的用例进行调整

（这本来是一个评论，但是太长了，所以我把它作为答案；）

关于用反向传播训练的前馈神经网络，需要记住一件重要的事情：反向传播算法通过一次又一次地遍历完整的数据集来调整权重，从而（希望）细化结果并找到一组好的结果

此过程完成后，权重将固定，并且不能包含更多信息（这将仅根据新数据调整权重）

这都意味着，你要么同时进行所有比赛的训练（正如@Ishamael所建议的），要么为每一场比赛训练不同的NN

或者你转移到其他类型的网络和网络

最后，问题是，在网络经过培训后，我想用它做什么

（这本来是一个评论，但是太长了，所以我把它作为答案；）

关于用反向传播训练的前馈神经网络，需要记住一件重要的事情：反向传播算法通过一次又一次地遍历完整的数据集来调整权重，从而（希望）细化结果并找到一组好的结果

此过程完成后，权重将固定，并且不能包含更多信息（这将仅根据新数据调整权重）

这都意味着，你要么同时进行所有比赛的训练（正如@Ishamael所建议的），要么为每一场比赛训练不同的NN

或者你转移到其他类型的网络和网络

---

最后，问题是，在网络经过培训后，我想用它做什么

准确描述你想要达到的目标。特别是——每个数据“部分”看起来是什么样的，更重要的是——你的目标是什么（你试图预测什么/建立什么模型）。我已经扩展了我的问题，包括更多细节和一系列典型的数据——准确描述你正试图实现的目标。特别是-每个数据“部分”看起来如何以及更重要-你的目标是什么（你试图预测什么/建立什么模型）我已经扩展了我的问题，包括更多细节和一行典型的数据。非常感谢你总结我的