使用factorMatrix - DL4j建立线性回归

Question

我有一个INDArray类型的factorMatrix，它是xIn

它包含5列[A, B, C, D, E]

另一个包含1列[y]的INDArray为yIn

对于那些熟悉MatLab的人，我现在可以使用：

modelTrain = fitlm([XInSample yInSample] , 'linear') and then 

retPredictionRegress = predict(modelTrain , XInSample);

我在使用xIn和yInd设置DL4J时遇到了问题，即使我found了一些声称有帮助的东西--但至少对我没有帮助。

有人能带我走上正轨吗？

Answer 1

dl4j中的线性回归只是一个具有特定损失函数和输出类型的神经网络。这遵循了您在任何其他深度学习框架中进行线性回归的方式。这个概念/想法并不是dl4j本身所特有的。它遵循您在使用更通用框架的回归问题的任何实例中都能找到的约定。

我看到你在这里也发表了评论：DL4J linear regression

在回答你的“至少对我没有帮助”时，你介意澄清一下你在问题中有什么问题吗？这可能会有一点帮助。

在回答你的问题时，你只需声明一个具有5个输入的神经网络，并声明你有多少个输入。如果你发现目标是合适的，你可以声明多个输出。在你的例子中，它是1个输出。

这方面的一个例子是：

 //Create the network
        int numInput = 5;
        int numOutputs = 1;
        int nHidden = 10;
        MultiLayerNetwork net = new MultiLayerNetwork(new NeuralNetConfiguration.Builder()
                .seed(seed)
                .weightInit(WeightInit.XAVIER)
                .updater(new Nesterovs(learningRate, 0.9))
                .list()
                .layer(0, new DenseLayer.Builder().nIn(numInput).nOut(nHidden)
                        .activation(Activation.TANH) //Change this to RELU and you will see the net learns very well very quickly
                        .build())
                .layer(1, new OutputLayer.Builder(LossFunctions.LossFunction.MSE)
                        .activation(Activation.IDENTITY)
                        .nIn(nHidden).nOut(numOutputs).build())
                .build()
        );

上面的代码片段来自dl4j示例。

在这种情况下，您将使用适当的输出调优神经网络。如果你想了解神经网络和回归之间的关系，我建议你在这个主题上做一些更广泛的阅读。