![](/img/trans.png)
[英]Keras - Is it possible to train two unrelated models at once with one GPU?
[英]Keras - is it possible to train classification models with missing data?
在过去的几个小时中,我一直在浏览各个论坛,但似乎找不到答案。
如果我有一个数据集,类似于下面所示的小示例。 其中A,B,C,D和E为输入值,X和Y为输出值。
(丢失的数据被评估为“ null”是无关紧要的,可以是任何东西)
A B C D E X Y
7 6 3 3 2 11 4
5 6 0 0 7 15 7
3 3 9 null 7 12 7
7 null 7 null 7 12 13
null 7 4 6 12 13 4
null 5 7 6 null 14 7
2 6 0 0 2 13 3
7 null 7 null 2 13 7
有没有一种方法可以在keras中训练神经网络,使其跳过空值,但仍然考虑该行数据?
例如,在第三行中,它会跳过D的值,因为它为null,但仍然适合使用其他4列和2个输出列吗?
对于我正在尝试的任务,具有空值的行不能忽略。 它们也不能用任何其他值替换(例如,无法预测替换值)。
我心中的假设解决方案是,先用非空行训练神经网络,然后保存神经网络参数。 在接下来的步骤中,通过训练非空行来迭代每个列以查找非空行,从而更新保存的神经网络。 假设在接下来的步骤中,您将使用A,B,C,E列训练模型,因为D具有空值。 如果您实现一个递归函数,它将为我们完成全部工作。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.