カテゴリの出力を持つ時系列モデルのRNNを作成しています。 たとえば、貴重な3パターンが "A"、 "B"、 "A"、 "B"の次のモデル予測が "A"である場合。 各カテゴリに関連付けられた数値レベルもあります。 A（100）、B（50）、A（100）、B（50）、
私は次に予測するモデルフレームワークが "A"であるので、Aは100、Bは50, です。同時に（100）を予測するのはいいですね。カテゴリと数値の両方の出力を予測するモデル
実生活の例では、全国の気象データがあります。 あなたは次の数日の天気のタイプ（晴れ、風雨、雨など）を同時に予測しています。それは気温も予測できる素敵なモデルでしょう。
アマゾンの場合、顧客のtrxnsパターンを分析します。 得意先A買い物カテゴリ 電子（$ 100）、家計（$ 10）、... ... この顧客が買い物をする可能性が高い次のtrxnカテゴリを予測し、同時にそのtrxnsの金額を予測します。
少し研究し、類似したトピックに関する関連調査は見つかりませんでした。
あなたのモデルに余分な出力を追加することを止めたいのは何ですか？ 1つのカテゴリ出力と1つの数値出力を隣に配置することができます。そこにあるすべてのニューラルネットワークライブラリは、複数の出力をサポートしています。
出力データを正規化する必要があります。カテゴリはワンホットエンコーディングで正規化する必要があり、数値はある最大値で除算して正規化する必要があります。
少し研究したが、似たようなトピックに関する関連調査はありませんでした。
これは実際には「トピック」ではないためです。これは完全に正常なもので、特別な種類のネットワークは必要ありません。
に属しているため、この問題を解決するために議論しています。通常、出力関数は1.カテゴリを予測するcross_entryphy。数値出力を予測するその他の回帰関数。 –
@HuaYe自体は「典型的」ではありません。あなたは、分類分類にリンクされていない別個の出力を持つようにネットワークを構成するだけでよいのです。これを設定する方法がわからない場合は、カテゴリネットワークからの入力を受け取り、数値を計算する第2の繰り返しネットワークを作成することもできます。しかし、それらをtogetehrにプラグインする方が便利です。 –
それは出力を設定する方法ではなく、設定自体は1つの出力機能しか許されません。あなたはそれを使って両方を予測することができますが、そのようにするのは意味がありません。私は2つの出力機能を可能にする設定には至っていません。はい、あなたはいつもそれらの2つのことを行うための第2のモデルを構築することができますが、それは話題にはありません –
上位レベルの統計とモデリングに関する質問は[Cross Validated]（https://stats.stackexchange.com/） – Prune