惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

GbyAI
GbyAI
J
Java Code Geeks
雷峰网
雷峰网
WordPress大学
WordPress大学
宝玉的分享
宝玉的分享
云风的 BLOG
云风的 BLOG
V
Visual Studio Blog
V
Vulnerabilities – Threatpost
S
Securelist
The Hacker News
The Hacker News
The Register - Security
The Register - Security
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
Help Net Security
Help Net Security
G
Google Developers Blog
Hugging Face - Blog
Hugging Face - Blog
CTFtime.org: upcoming CTF events
CTFtime.org: upcoming CTF events
M
MIT News - Artificial intelligence
AI
AI
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
The GitHub Blog
The GitHub Blog
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
Schneier on Security
Schneier on Security
N
Netflix TechBlog - Medium
T
The Blog of Author Tim Ferriss
Google DeepMind News
Google DeepMind News
Hacker News - Newest:
Hacker News - Newest: "LLM"
H
Hacker News: Front Page
博客园 - 司徒正美
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO
B
Blog
Microsoft Azure Blog
Microsoft Azure Blog
大猫的无限游戏
大猫的无限游戏
Security Latest
Security Latest
Engineering at Meta
Engineering at Meta
N
News and Events Feed by Topic
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
酷 壳 – CoolShell
酷 壳 – CoolShell
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
T
Threat Research - Cisco Blogs
U
Unit 42
V
V2EX
V2EX - 技术
V2EX - 技术
L
LINUX DO - 最新话题
aimingoo的专栏
aimingoo的专栏
Microsoft Security Blog
Microsoft Security Blog
Recorded Future
Recorded Future
P
Privacy & Cybersecurity Law Blog
美团技术团队
小众软件
小众软件
F
Fortinet All Blogs

Keras

keras 第一帖!大家有没有觉得 keras 逼格不够高说出去会被鄙视
用 keras 搭建出一个判断今天是周几的模型?
zungmou · 2022-04-03 · via Keras

这是一个创建于 1532 天前的主题,其中的信息可能已经有所发展或是发生改变。

有没有前辈,能不能教下,如何用 keras 搭建一个模型,例如

x=[[2022, 12, 31]] x.shape = (-1, 3) y=[[6]] y.shape = (-1, 1)

x 对应日期,y 对应星期几,生成从 1000 年到 2021 年所有的日期对应的周几进行训练,这种模型要如何搭建?

我用了 Dense(64, activation='relu', input_shape=(3,)) Dense(64, activation='relu') Dense(1) 模型训练,并不能得到一个很好的结果。 刚入门,希望有前辈能给一点提示。

idblife

1

idblife      2022 年 4 月 3 日

有时候挺服搞机器学习的
搞了这算法那算法,一看效果还不如十几年前用 sql 写的数据分析。。。

licsber

2

licsber      2022 年 4 月 3 日

推荐知乎镜像问题:如何用深度学习判断某数是否是 2 的倍数?
这类问题对这种依靠“经验”的概率模型无解
建议 OP 放弃尝试 转而去研究 cv

jdhao

3

jdhao      2022 年 4 月 3 日 via Android

这个还需要模型吗,这都是固定算法可以算出来的

omegatheta

4

omegatheta      2022 年 4 月 3 日 via Android

你把你的输入二进制化可能还好点

Jooooooooo

5

Jooooooooo      2022 年 4 月 3 日

?

一个 O(1) 的公式咋还扯上机器学习了?

这就好像你用机器学习学加法一样. 不如研究一下机器如何能"理解"加法的规则.

GRUNK

6

GRUNK      2022 年 4 月 3 日 via iPhone

这个不是有公式可以直接算出来那一天是周几的吗

ynkkdev

7

ynkkdev      2022 年 4 月 3 日   ❤️ 1

补充一点:在一些计算机程序中,按照简单的算法直接反推公元 1 年 1 月 1 日,是星期一。

但是教皇格里戈八世在 1582 年 2 月 24 日颁布法令,永远抹去了 1582 年 10 月 5 日到 1582 年 10 月 14 日。历史上从来不曾有过这 10 天。1582 年 10 月 4 日是星期四,它的第二天是 1582 年 10 月 15 日星期五。

因此考虑到这 10 天的影响再去推算,公元元年 1 月 1 日就是星期六了。

这也是很多日历为什么显示公元元年 1 月 1 日是星期六

zungmou

8

zungmou      2022 年 4 月 3 日 via iPhone
zungmou

10

zungmou      2022 年 4 月 3 日 via iPhone

@GRUNK 嗯,重点不是算星期几的算法,是想搭建一套神经网络来试试看能不能做到计算。

zungmou

11

zungmou      2022 年 4 月 3 日 via iPhone

@youngce 谢谢,我一会试试看 Python 内置的日历是否存在你说的这个问题。

zungmou

12

zungmou      2022 年 4 月 3 日 via iPhone

@Licsber 没有搜索到类似问题,我的目的也是类似,能否给个链接?谢谢

lizytalk

15

lizytalk      2022 年 4 月 3 日 via iPhone   ❤️ 1

@idblife 人家这明显就是用来练习的练习题呀,我们当时作业还做过让 lstm 学习整数加法呢……

idblife

16

idblife      2022 年 4 月 3 日 via iPhone

@lizytalk
知道 op 是为了联系,是想起我司 ai 部门有感而发

ipwx

17

ipwx      2022 年 4 月 3 日

@lizytalk

机器学习不是魔法,需要特征工程。

但是题目中的问题一旦涉及到特征工程,就和朴素的算星期几没有多少差别了。

ipwx

18

ipwx      2022 年 4 月 3 日   ❤️ 2

ps 补充“特征工程”这个论点。

如何用神经网络学习奇偶判定?直接放进去一个数是不行的,因为机器学习模型在这个问题上,任何超出训练集范围的数都是“训练分布外的数据”,不能得到有意义的输出。

正确的方法是比如,转换成二进制,拆成若干 0/1 串。。。。那恭喜你,正确答案就是看最低位的。这个机器学习能学到。但是已经转换成二进制了,那和直接写出奇偶判定的程序,也差别不大了。

当然你也可以转换成四进制、八进制,十进制,六进制。这几个进制对于奇偶判定的问题都比较 easy 。若是转换为三进制、五进制,多看几位应当也能搞定。这就是机器学习和人做奇偶判定程序有区别的地方了,人的话必须先二进制,然后才能给答案,第一步特征工程必须非常精确。但是机器学习的话,稍微有点偏差,给个 X 进制,也能凑合着学出来。所以它比普通的程序算法要稍微“智能”那么一点。

misdake

19

misdake      2022 年 4 月 4 日

神经网络很难做取模运算吧。可以试试输入二进制化后的一堆 0 和 1 ,输出改成分类而不是直接输出 1 个数字。

daweii

20

daweii      2022 年 4 月 4 日

如果不怎么在乎实现难度的话可以考虑把年月日转换成 embedding 输入。

mxT52CRuqR6o5

21

mxT52CRuqR6o5      2022 年 4 月 4 日 via Android

虽然在工业实践上不该这么做,但在学术上研究这些问题是有意义的

ted2011

22

ted2011      2022 年 4 月 4 日

我记得 莫烦 有个类似的例子, 但一下找不到了, 你找找看

zungmou

25

zungmou      2022 年 4 月 4 日

@ipwx 大佬,那换句话说,机器学习能够做到学会转换二级制吗?

RuiCBai

28

RuiCBai      2022 年 4 月 4 日 via Android

可以的!
根据日期计算星期几是有公式的,叫蔡勒公式(但仅仅适用于 1582 年之后的日期)。
你用神经网络判断周几,无非就是用神经网络拟合这个复杂的函数,根据通用近似定理,肯定是可以的。

先可以根据这个公式生成大量样本,然后再训练。需要注意的是,不要使用 1582 年之前的日期,因为这样 样本可能不满足同分布 了,就会导致效果很差。

ipwx

29

ipwx      2022 年 4 月 5 日

@zungmou 你得设置合适的目标函数。。。但反过来这可能又等价于你转换成二进制了。

ipwx

30

ipwx      2022 年 4 月 5 日

@RuiCBai universal approximation theory 只说了,神经网络能表示任何一个可测集上的连续函数函数,但是不保证你的训练方法能恰好找到这个潜在的函数。大部分情况下训练样本外的数据,现在的神经网络并不保证能给出有意义的解。

ipwx

31

ipwx      2022 年 4 月 5 日

@RuiCBai 训练样本分布外

假设训练样本的分布是 p(x),那么现在的大部分训练出来的神经网络在 p(x) 定义域之外的分布上并不能给出有意义的解。