Training eines neuronalen Netzes mit zwei Gruppen von räumlichen Koordinaten pro Beobachtung?

Question

Ich versuche, eine Ausgabe (Regression) vorherzusagen, wo mehrere Gruppen räumliche (x, y) Koordinaten haben. Ich benutze die neuronalen Netzwerkpakete von scikit-learn (MLPClassifier und MLPRegressor), von denen ich weiß, dass sie mit räumlichen Daten trainiert werden können, indem ein 1-D-Array pro Beobachtung eingegeben wird (zB der MNIST-Datensatz).

Ich versuche herauszufinden, der beste Weg, um das Modell zu sagen, dass Gruppe 1 diese Menge von räumlichen Koordinaten UND Gruppe 2 hat einen anderen Satz von räumlichen Koordinaten, und diese Kombination ergab ein Ergebnis. Wäre es sinnvoller, ein einzelnes Array einzugeben, in dem eine Position der Gruppe 1 durch 1 und die Position der Gruppe 2 durch -1 repräsentiert wird? Oder um ein Array für Gruppe 1 zu erstellen und zu gruppieren und anzuhängen? Immer noch ziemlich neu in neuronalen Netzen - hoffentlich macht diese Frage Sinn.

Answer 1

Wenn ich das richtig verstanden habe, versuchen Sie im Grunde, Klassifizierungsvariablen in Ihre Eingabe zu implementieren, und dies geschieht im Prinzip durch Hinzufügen einer Eingabevariablen für jede mögliche Klasse (in Ihrem Fall "Gruppe 1" und "Gruppe 2") das enthält binäre Werte (1 wenn das Sample zur Gruppe gehört, 0 wenn nicht). Ob Sie die tatsächlichen Koordinaten beibehalten möchten oder nicht, hängt davon ab, ob Ihr Netzwerk tatsächliche räumliche Daten verarbeiten soll oder ob die Ausgabe nur auf der Gruppe basiert, zu der das Beispiel gehört. Da ich nicht viel Erfahrung mit dem bestimmten Modul habe, das Sie verwenden, kann ich den tatsächlichen Code nicht bereitstellen, aber ich hoffe, dass dies hilft.