Python 3.x 是否有可能使用LSTM预测给定DNA序列的某个数值？
我有16个字母的DNA序列。从这个16个字母的DNA序列中，有一个输出值，即所谓的“抑制值”，范围从0到100。当我尝试使用LSTM时，预测只输出一个常量。问题是在代码中，还是LSTM或RNN通常不适合解决这个问题 我尝试过增加批量大小和时间，使LSTM更深入，改变LSTM单元的数量，但都不起作用 我还想知道标签方法是否重要。起初我试着用一个热编码器，但没用。然后，我把它改成了LabelEncoder，但它也不起作用。产生相同的恒定输出 下面是我的模型结构的代码Python 3.x 是否有可能使用LSTM预测给定DNA序列的某个数值？,python-3.x,keras,lstm,bioinformatics,recurrent-neural-network,Python 3.x,Keras,Lstm,Bioinformatics,Recurrent Neural Network,我有16个字母的DNA序列。从这个16个字母的DNA序列中，有一个输出值，即所谓的“抑制值”，范围从0到100。当我尝试使用LSTM时，预测只输出一个常量。问题是在代码中，还是LSTM或RNN通常不适合解决这个问题 我尝试过增加批量大小和时间，使LSTM更深入，改变LSTM单元的数量，但都不起作用 我还想知道标签方法是否重要。起初我试着用一个热编码器，但没用。然后，我把它改成了LabelEncoder，但它也不起作用。产生相同的恒定输出 下面是我的模型结构的代码 def create_model
def create_model():
input1 = Input(shape=(16,1))
classifier = LSTM(64, input_shape=(16,1), return_sequences=True)(input1)
for i in range(2):
classifier = LSTM(32, return_sequences=True)(classifier)
classifier = LSTM(32)(classifier)
classifier = Dense(1, activation='relu')(classifier)
model = Model(inputs = [input1], outputs = classifier)
adam = keras.optimizers.adam(lr=0.01)
model.compile(loss='mean_squared_error', optimizer=adam)
return model