我创建了一个简单的神经网络(Python,Theano),根据他们从不同商店选择的消费历史来估计一个人的年龄.不幸的是,它并不是特别准确.
网络不了解普通性这一事实可能会损害准确性.对于网络,年龄分类之间没有关系.它目前正在从softmax输出层中选择概率最高的年龄.
我考虑将输出分类更改为每个年龄的加权概率的平均值.
例如,给定年龄概率:(年龄10:20%,年龄20:20%,年龄30:60%)
Rather than output: Age 30 (Highest probability)
Weighted Average: Age 24 (10*0.2+20*0.2+30*0.6 weighted average)
该解决方案感觉次优.是否有更好的方法在神经网络中实现序数分类,还是有更好的机器学习方法可以实现？(例如逻辑回归)
regression classification machine-learning neural-network theano