假设有1000人参加比赛。此外,还有关于每个跑步者的各种特征(年龄、腿长、静息心率等)的数据
以前的比赛的获胜者也是众所周知的,以及每个参赛者的所有特征。你知道吗
利用过去的信息,用人工神经网络预测比赛的胜利者是可能的吗?你知道吗
如果是的话,该如何设置?第一层节点是特征吗?输出层代表什么?有多少个节点?请解释一下ANN对于这些数据是什么样子的。是分类问题吗?你知道吗
既然目标是挑选一个赛车手,那么数据集会是什么样子呢?把每一个参赛者归为“赢家”或“失败者”行得通吗如何将获奖人数限制为1人?你知道吗
Tags:
是的,这是一个ANN可以解决的问题,但是仅仅因为你从参与者那里得到了准确的数据,并不意味着数据本身就足以预测谁将赢得比赛。你知道吗
输入
每个输入节点(每种类型的特征(如年龄、腿长等)需要使用一个激活函数,该函数对您正在处理的数据类型是直观的。每种类型的激活函数都有优缺点。大多数人开始用乙状结肠或ReLU来解决一般问题。你知道吗
输出
每个输出将代表样本日期的标签(例如,谁赢了?),因此每个潜在情况都需要一个输出。这也意味着,是的,这是一个分类问题(不是回归问题)。你知道吗
问题
在你描述的例子中,如果没有大量的特征,很难预测比赛的结果。如果你有500个跑步者,每个人有10个功能,那就意味着你总共需要5000个功能。不仅如此,你还需要足够的样本数据,在一个受控的案例中,所有500名跑步者都在相互竞争。由于显而易见的原因,以这种方式来界定问题变得令人担忧。你知道吗
修改问题
这将是一个更现实的目标,试图预测一个运动员在比赛中的时间(这可能是一个分类或回归问题)。通过这种方式,特性的数量要少得多,并且对一致竞争对手的依赖性大大降低。你知道吗
相关问题 更多 >
编程相关推荐