创建一个输出单个概率的 LSTM 网络答案

【问题标题】：Creating a LSTM network which outputs a single probability创建一个输出单个概率的 LSTM 网络
【发布时间】：2017-08-28 10:49:49
【问题描述】：

我是 LSTM 和 tensorflow 的新手，想建立一个 LSTM 网络，根据过去 30 天的活动对行为进行分类。我的数据集由过去 30 天的移动用户数据（每天 6 个实值变量）组成。它还有一个指示器字段，说明它们在 30 天结束时是否处于活动状态。我想预测他们在 30 天后活跃的概率。您能否提供以下任何帮助：

指导我查看一些示例代码，我可以使用它们来学习如何解决我的问题。
就一些有助于在 TensorFlow 中学习 LSTM 的文献提供建议。
任何其他有用的建议。

【问题讨论】：

这个问题太宽泛了，请用更简洁的方式重新表述。

标签： python tensorflow time-series deep-learning lstm

【解决方案1】：

由于您似乎在神经网络领域还很陌生，因此查看一些课程可能是个好主意。也就是说，还请看一下 Keras：https://keras.io/layers/recurrent/。它使您可以轻松地进行一些实验，以查看哪些有效或无效。一些大致完成您想要的代码是：

model = Sequential()
model.add(LSTM(10, input_shape=(30, 6))) # hidden state with 10 units
model.add(Dense(2)) # two classes: active, not active
model.add(Activation('softmax'))

希望这对您进入神经网络世界有所帮助！

【讨论】：