Ich habe ein einfaches neurales Netzwerk (Python, Theano) erstellt, um das Alter einer Person basierend auf ihrer Ausgabenhistorie aus einer Auswahl verschiedener Geschäfte zu schätzen. Leider ist es nicht besonders genau.Neural Network Ordinal Classification für das Alter
Die Genauigkeit könnte durch die Tatsache beeinträchtigt werden, dass das Netzwerk keine Kenntnis über die Ordnungsmäßigkeit hat. Für das Netzwerk gibt es keine Beziehung zwischen den Altersklassifikationen. Es wählt derzeit das Alter mit der höchsten Wahrscheinlichkeit aus der Softmax-Ausgabeschicht aus.
Ich habe überlegt, die Ausgabeklassifizierung für jedes Alter auf einen Durchschnitt der gewichteten Wahrscheinlichkeit zu ändern.
Z. B Gegeben Alte Wahrscheinlichkeiten: (Alter 10: 20%, Alter 20: 20%, Alter 30: 60%)
Rather than output: Age 30 (Highest probability)
Weighted Average: Age 24 (10*0.2+20*0.2+30*0.6 weighted average)
Diese Lösung fühlt sich suboptimal. Gibt es eine bessere Lösung für die ordinale Klassifizierung in neuronalen Netzen oder gibt es eine bessere maschinelle Lernmethode, die implementiert werden kann? (Z. B. logistische Regression)
Sie können sich [dieses Papier] (https://web.missouri.edu/~zwyw6/files/rank.pdf) ansehen. Es beschreibt eine Möglichkeit, ordinale Regression w/NNets einzurichten. – gobrewers14
Dieser Link funktioniert leider nicht, ich bin mir nicht sicher, ob es etwas mit Uni-Zugriffsrechten zu tun hat. Hast du stattdessen den Namen? –