使用 factorMatrix 設置線性回歸 - DL4j

Question

我有一個 INDArray 類型的INDArray ，它是xIn

它包含 5 列[A, B, C, D, E]

和另一個具有 1 列[y]的 INDArray，即yIn

對於熟悉 MatLab 的人，我現在可以使用：

modelTrain = fitlm([XInSample yInSample] , 'linear') and then 

retPredictionRegress = predict(modelTrain , XInSample);

我在使用xIn和yInd設置 DL4J 時遇到問題，即使我發現了一些聲稱有幫助的東西——但至少對我來說沒有。

誰能帶我走上正軌？

Answer 1

dl4j 中的線性回歸只是一個具有特定損失的神經網絡 function 和 output 后期類型。 這遵循您將如何在任何其他深度學習框架中進行線性回歸。 這個概念/想法並不是真正特定於 dl4j 本身。 它遵循您在使用更通用框架的回歸問題的任何實例中發現的約定。

我看到你也在這里評論： DL4J 線性回歸

回復您的“至少對我沒有幫助”，您介意澄清您在問題中遇到的問題嗎？ 那會有點幫助。

回答您的問題，您只需聲明一個具有 5 個輸入的神經網絡，並聲明您有多少個輸入。 如果您認為目標合適，您可以申報超過 1 個 output。 在您的情況下，它是 1 output。

這方面的一個例子是：

 //Create the network
        int numInput = 5;
        int numOutputs = 1;
        int nHidden = 10;
        MultiLayerNetwork net = new MultiLayerNetwork(new NeuralNetConfiguration.Builder()
                .seed(seed)
                .weightInit(WeightInit.XAVIER)
                .updater(new Nesterovs(learningRate, 0.9))
                .list()
                .layer(0, new DenseLayer.Builder().nIn(numInput).nOut(nHidden)
                        .activation(Activation.TANH) //Change this to RELU and you will see the net learns very well very quickly
                        .build())
                .layer(1, new OutputLayer.Builder(LossFunctions.LossFunction.MSE)
                        .activation(Activation.IDENTITY)
                        .nIn(nHidden).nOut(numOutputs).build())
                .build()
        );

上面的代碼片段來自 dl4j 示例。

在這種情況下，您將使用適當的 output 調整神經網絡。 如果您想了解神經網絡和回歸之間的關系，我建議您對該主題進行一些更廣泛的閱讀。