Я строю свой первый временной ряд keras LSTM RNN и надеялся, что кто-то более знающий может помочь мне с моим вопросом: возможно ли (это работает) масштабировать цели, данные сети при использовании categoryorical_crossentropy?
В настоящее время я понимаю, что каждый набор входов освещает выходные нюроны немного по-разному, например: сетка нуля никогда не будет предсказывать и целые числа 1 или 0, только числа, максимально приближенные к тем, которые заданы качествомданные и параметры NN.
выходного слоя моей модели:
model.add(Dense(3, activation='softmax', name='Output_layer'))
с целями, которые выглядят как:
[0.5 0.1 0.4], [0.5 0.3 0.2], [0.8, 0.1, 0.1], etc etc
вместо всего 3 двоичных классовтолько 1 и 0
Моя идея состояла в том, что вместо того, чтобы делать бинарный выбор, я мог бы добавить дополнительную информацию о масштабировании по временным шагам;Я пытаюсь обобщить на несколько будущих временных шагов, что из 3 категорий наиболее вероятно произойдет;Моя программа складывает вместе все рекомендуемые действия за количество шагов x, а затем делит их на число шагов x, чтобы уменьшить их до 1 цели от 0 до 1 для каждого из 3 классов.Я не могу найти больше информации об этом, и мой вопрос в основном, я неправильно понял?