Подойдет ли keras для подобной задачи?

Question

[lexstile]

Есть выборка данных:

#1 219503 1726185 1531347661 3616 2 1 3 1 1.01 21 27 1.21 1.37 2.11 1.725 1.38 1.16 6 0 2 3 0 0 0 1 0 2 4 1 3 0 94 87 81 39 -1 -1 55 45 6 1 1
........................................
#N

Нужно прогнозирование результата на основе подобных, но уже новых, полученных данных.
На вход 30-40 параметров.
На выходе 1 ответ (вероятность от 0 до 1).
Пример:
+ 0.99999117851257
Работал только с FANN, хотелось бы максимально простой переход.
Заранее благодарен за ответы.

Answer 1

[asd111]

На мой взгляд вам больше подойдет обычный градиентный бустинг т.е. тот же CatBoost или LightGBM, xgboost.
Нейронный сети для классификации неудобны тем что там нужно править архитектуру сети для хороших результатов, а это нетривиальная задача. Они подходят только тогда когда существует готовая, оттестированная архитектура под задачу.

Comments

[lexstile]

Спасибо большое за ответ.
А если брать все-таки бустинг, какой, из предложенных вами вариантов, будет оптимален для данной задачи?
Я просто делал на FANN и добиться более 74% правильных ответов сети не смог стандартным функционалом.
Может, конечно, я что-то делал и не так.

[asd111]

lexstile, попробуйте LightGBM - он быстро работает. А если будете делать то же самое с категориальными текстовыми данными то берите CatBoost там можно работать сразу с текстовыми категориями и не приводить текстовые категории к числам, т.е. например можно оставлять пол "муж,жен" а не приводить к числам 0,1 - у других такой возможности нет насколько знаю.

[lexstile]

asd111, еще раз благодарен за направление.