Множественные разреженные входные кера, один выход в R

Question

Я пытаюсь реализовать глубокое обучение с разреженными данными, используя R с KERAS и библиотеку тензорного потока. У меня есть 20 строк на 26 столбцов данных с реальной стоимостью в диапазоне от 0 до 1000. Элемент в каждой строке должен в сумме закрыть 1000. Некоторые из них были удалены из-за слишком малого значения. Каждый элемент - это измерение количества. Каждый ряд похож на следующий.

строка 1: 3 1.6 0 0 0 0 0 0 0 0 0 10 0.19 0 0 0 3 0 0 7 150 828.01 0 0 0 2.2 0

строка 2: 7,8 13 0 0 0 0 4 6 0 0 13 0 0,19 0 2 0 3,8 0 0 200 750,21 0 0 0 0 0

Каждый из них имеет измерение точки кипения (соответственно)

-39 -5 100 15 14 72 52 89 47 51 25 54 100 100 100 54 80 54 86 56 54 55 54 100 100 138

Для каждого наблюдения (например, строка 1) у меня есть фактическое измерение точки кипения. Например, строка 1 - 49, строка 2 - 40. Цель состоит в том, чтобы предсказать каждую из этих точек кипения наблюдения на основе строки 1 и измерения кипения, а затем сравнить ее с фактической.

Пока моя попытка положить модель в keras_model_sequential model <- keras_model_sequential() и используйте relu в качестве функции активации. Как мне смоделировать это, используя функцию активации Tanh или функцию активации Arctan?

Например, tanh(row1 /1000) * точка кипения row_1. Любое предложение или альтернативный подход будут оценены.

Answer 1

Почему вы используете R для этой задачи? Я бы порекомендовал использовать Python, так как существует очень обширная документация Keras для python (и я не могу найти ее для R). Тем не менее, здесь вы можете найти описание, как определить функцию активации.