我正在使用 keras 神经网络进行二元分类任务。我有一个包含 19 列的大型数据集。这些列中的每一列都是二进制类型，因此整个数据集只有 1 和 0，就像这样（显然这不是整个数据集，它有 19 列和更多行）：
我想做 19 个预测，每列一个，其他 18 个用作自变量。所以本质上，首先我将第 1 列作为目标，使用其他 18 列来预测它。然后我将第 2 列作为目标，并使用其他 18 列来预测它等等……直到第 19 列。有没有办法有效地做到这一点，而无需为每列制作 19 个单独的模型？谢谢！
二分类预测各种目标
数据挖掘
机器学习
Python
神经网络
分类
喀拉斯
2022-03-11 06:01:49
1个回答
如果您创建 19 个模型，每个模型将学习与预测变量和目标变量值相对应的权重。
例如 - 当您以 col1 作为目标创建一个模型时，该模型将学习权重以提供输出 col1。当您使用另一列时，假设 col2 作为目标，如果您使用以前的模型，它不会识别 col1 和 col2（即目标）之间的差异，因为您的数据是二进制的。该模型将继续学习每一列的权重，但它不会是正确的，因为它将是学习所有目标列的结果。
如果您想对每个目标使用相同的预测器同时预测不同的目标，您可以使用多标签分类。由于情况并非如此，获得 19 个预测的唯一方法是创建 19 个不同的模型，每列一个作为目标。