使用相同的不同输入但相同的目标训练 model

Question

我正在学习 MLP、LSTM、CNN 和 GRU 模型。 在这个项目中，我遇到了一个我认为是由我的数据集引起的问题。 我有四个特征，我需要使用其中两个作为输入，另外两个作为 output。output 特征具有相同的值 10x，而输入特征具有不同的值。 因为上面的值在输入列中产生下面的值，顺序总是很重要，shuffle 必须是 false。

看看我的数据集。

            
A             B          C   D
2986.207117 0.1249702   9.5 0.1
2976.566384 0.23405844  9.5 0.1
2966.936526 0.343854234 9.5 0.1
2957.317649 0.454363674 9.5 0.1
2947.709861 0.56559291  9.5 0.1
2938.11327  0.67754815  9.5 0.1
2928.527987 0.790235664 9.5 0.1
2918.954122 0.903661778 9.5 0.1
2909.391787 1.01783288  9.5 0.1
2899.841098 1.132755418 9.5 0.1
2890.302169 1.248435902 9.5 0.1
2880.775117 1.364880902 9.5 0.1
2871.26006  1.48209705  9.5 0.1
2861.757117 1.600091041 9.5 0.1
2852.26641  1.718869634 9.5 0.1
2842.78806  1.838439648 9.5 0.1
2833.322191 1.958807967 9.5 0.1
2823.86893  2.079981541 9.5 0.1
2814.428402 2.201967382 9.5 0.1
2805.000736 2.324772568 9.5 0.1

这只是一部分。

列 C 和 D 中的值将在之后更改，但方式相同。

有人可以提出一种技术来实现这种情况，因为我通过谷歌搜索发现具有相同的目标对机器学习不利吗？ 不幸的是，这就是我的情况。

Answer 1

一种想法是对 output 进行分类。假设您的输入数据是

  A             B          C   D
2986.207117 0.1249702     9.5 0.1
2976.566384 0.23405844    9.5 0.1
2966.936526 0.343854234   9.5 0.1
2957.317649 0.454363674   9.5 0.1 # up to 100 rows

3986.207117 0.1249702     9.8 0.2
3976.566384 0.23405844    9.8 0.2
3966.936526 0.343854234   9.8 0.2
3957.317649 0.454363574   9.8 0.2 # up to 100 rows

4986.207117 0.1249702     9.9 0.3
4976.566384 0.23405844    9.9 0.3
4966.936526 0.343854234   9.9 0.3
4957.317649 0.454363574   9.9 0.3 # up to 100 rows

将 output 转换为以下类别，

  A             B          output
2986.207117 0.1249702      1
2976.566384 0.23405844     1
2966.936526 0.343854234    1
2957.317649 0.454363674    1 # up to 100 rows

3986.207117 0.1249702      2
3976.566384 0.23405844     2
3966.936526 0.343854234    2
3957.317649 0.454363574    2 # up to 100 rows

4986.207117 0.1249702      3
4976.566384 0.23405844     3
4966.936526 0.343854234    3
4957.317649 0.454363574    3 # up to 100 rows

现在，对 output 列进行单热编码，这样您将根据 class 的概率预测 class，并且根据预测的 class，您将知道给定输入生成的 output。