Я создал простую нейронную сеть (Python, Theano) для оценки возраста людей на основе их истории расходов в различных магазинах. К сожалению, это не совсем точно.
Точность может быть снижена из-за того, что сеть не знает порядков. Для сети нет взаимосвязи между возрастными классификациями. В настоящее время он выбирает возраст с наибольшей вероятностью из выходного слоя softmax.
Я рассмотрел возможность изменения выходной классификации на среднее значение взвешенной вероятности для каждого возраста.
Например, данные вероятности возраста: (Возраст 10: 20%, Возраст 20: 20%, Возраст 30: 60%)
Rather than output: Age 30 (Highest probability)
Weighted Average: Age 24 (10*0.2+20*0.2+30*0.6 weighted average)
Это решение кажется неоптимальным. Есть ли лучший способ реализовать порядковую классификацию в нейронных сетях или есть лучший метод машинного обучения, который можно реализовать? (Например, логистическая регрессия)