我尝试使用 CNN 来执行回归任务。
我的特征数据的形状为 (6097, 30, 32, 9):
- 6097 条记录
- 30 个时间步
- 32 个直方图箱
- 9 个 channel (图片 乐队)
目标数据具有形状
(6097, 1)
- 6097 条记录包含裁剪产量( float )数据。
当我创建 CNN 回归模型的最后一个密集层时,我不确定要使用哪些设置。最后一个卷积层的输出维度为(None,2,2,512)。我添加了 BatchNorm 和 Flatten 层(不确定这是否有意义)
正确的单元数和激活函数是多少?我的猜测是units=1并且激活函数=“None”
喀拉斯:
model.add(Dense(units=1,
activation=None
))
最佳答案
这取决于您想要的结果类型,通常使用线性激活函数来简单地将值映射回来(它不会改变它)。 Here是对输出层选择的简要说明。 Here是对回归的解释,还简要提到了输出层。 单位数量已经正确。
model.add(Dense(units=1,
activation='linear'
))
或者得到相同的结果:
model.add(Dense(1))
关于keras - CNN 最后一层使用哪些设置进行回归,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56133503/