前提・実現したいこと
機械学習(シンプルなニューラルネットワーク)での、特徴量に関する質問です。
A,B,C,D,Eという特徴量を使い、教師データFを学習させる。(アルファベットはデータの種類です)
5つの特徴量に対して、1つの教師データなので、ニューラルネットワークの構造は、
入力層が5つ、出力層は1つです。
(今回は、入力層に問題を抱えているので中間層は省略します)
しかし、予測する際の特徴量がA,Bしか入手できないとする。
その2つだけで予測をさせる。
抱えている問題
実際に学習させ、完成したモデルによって予測するとします。
しかし、予測する際の特徴量がA,Bしか入手できない場合は、どのように予測すれば良いか。
自分で考えた案
入手したA,Bのデータだけを入力する。
学習時にA,Bを入力させた、ニューロンに入力し予測させる。
この案のように、指定のニューロンに入力させ、予測させることはKerasで可能でしょうか。
(このようなケースは機械学習の概念的にどうなのでしょうか。)
私が考えるに、このような場合だと、他のニューロン(C,D,E)が無駄なのかなと思いました。学習時から、A,Bだけで学習すればいいのかなと思ったのですが、C,D,Eも予測に重要なデータなので欠かせないと思っています。
補足情報(FW/ツールのバージョンなど)
・Keras
・TensorFlow(BackEnd)
・Linux
回答1件
あなたの回答
tips
プレビュー