Python scikit学习具有多个连续目标的回归
我想在一个数据集上执行回归,其中输入有多个特征,输出有多个连续目标Python scikit学习具有多个连续目标的回归,python,scikit-learn,multitargeting,Python,Scikit Learn,Multitargeting,我想在一个数据集上执行回归,其中输入有多个特征,输出有多个连续目标 我一直在浏览sklearn文档,但我发现的唯一多目标示例要么是1)一组离散的目标标签,要么是2)使用启发式算法(如KNN),而不是基于优化的算法(如回归)。添加正则化也很好,但我找不到一种方法,即使是简单的最小二乘法。这是一个非常简单、平滑的优化问题,如果它还没有在某个地方实现,我会感到震惊。如果有人能给我指出正确的方向,我将不胜感激 你可以在这里找到你想要的东西 https://machinelearningmastery.c
我一直在浏览sklearn文档,但我发现的唯一多目标示例要么是1)一组离散的目标标签,要么是2)使用启发式算法(如KNN),而不是基于优化的算法(如回归)。添加正则化也很好,但我找不到一种方法,即使是简单的最小二乘法。这是一个非常简单、平滑的优化问题,如果它还没有在某个地方实现,我会感到震惊。如果有人能给我指出正确的方向,我将不胜感激 你可以在这里找到你想要的东西 https://machinelearningmastery.com/multi-output-regression-models-with-python/ 但是,如果您有足够的数据(输出层,无需任何激活),那么最好尝试使用Keras
from keras.layers import Dense, Input
from keras.models import Model
from keras.regularizers import l2
num_inputs = 10
num_outputs = 4
inp = Input((num_inputs,))
out = Dense(num_outputs, kernel_regularizer=l2(0.01))(inp)
model = Model(inp, out)
model.compile(optimizer='sgd', loss='mse', metrics=['acc','mse'])
model.summary()
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
input_9 (InputLayer) (None, 10) 0
_________________________________________________________________
dense_7 (Dense) (None, 4) 44
=================================================================
Total params: 44
Trainable params: 44
Non-trainable params: 0
_________________________________________________________________