Должен ли мой векторный размер нейронной сети соответствовать выходному размеру?
До 3.2.6 Mongodb не поддерживает запрос соединения как mysql. ниже решения, которое работает для вас.
db.getCollection('comments').aggregate([
{$match : {pid : 444}},
{$lookup: {from: "users",localField: "uid",foreignField: "uid",as: "userData"}},
])
1 ответ
Проще говоря, для задачи регрессии ваш вывод обычно имеет размерность [1] (если вы предсказываете одно значение).
Для задачи классификации ваши выходные данные должны иметь такое же количество измерений, которое равно количеству ваших классов (выходные данные являются вероятностями, их сумма = 1).
Таким образом, нет необходимости иметь одинаковые размеры входа и выхода. NN - это просто проекция одного измерения на другое.
Например,
- регрессия, мы прогнозируем цены на дома: входное значение составляет
[1, 10](к особенностям имущества), выходное значение составляет[1]- цена - классификация мы прогнозируем класс (будет продан или нет): входной сигнал равен
[1, 11](те же характеристики + цена в списке), выходной сигнал равен[1, 2](вероятность класса0(не будет продано) и1(будет продано), например,[1; 0],[0; 1]или[0.5; 0.5]и т. д .; это двоичная классификация)
Кроме того, равенство измерений ввода-вывода существует в более конкретных задачах, для Например, модели с автоматическим кодировщиком (когда вам необходимо представить ваши данные в другом измерении, а затем представить их обратно в исходное измерение).
Опять же, выходной размер - это размер выходов для 1 партии. Только один, а не из всего набора данных.