python 神经网络可以输出连续值_python – sklearn中具有多个输出的神经网络

我正在尝试建立一个神经网络,以预测每个网球运动员在互相比赛时赢得服务点的概率.对于输入,我将使用每个玩家所玩的最后N个匹配,取得对手的排名差异以及赢得他在比赛中获得的点的实际概率.

例如,仅查看每个玩家的2个匹配,一个输入就是

i=[-61, 25, 0.62, 0.64, 2, -35, 0.7, 0.65]

前4名是第一名(排名差异和概率),其他4名是第二名.

输出将是

o=[0.65, 0.63]

所以训练输入是X = [i1,i2,i3,…]并输出y = [o1,o2,o3,…]

我有几个新手问题：

>是否有必要对整个数据集中的输入(排名和概率)进行标准化？

>当我尝试在python中运行它时,它说

ValueError: Multioutput target data is not supported with label binarization

我可以让MLPClassifier使用2个输出吗？

编辑：添加了一些代码

from sklearn.neural_network import MLPClassifier

clf = MLPClassifier(solver='lbfgs', alpha=1e-5,

hidden_layer_sizes=(5, 2), random_state=1)

X=[[-61, 25, 0.62, 0.64, 2, -35, 0.7, 0.65], [2,-5,0.58,0.7,-3,-15,0.65,0.52] ]

y=[ [0.63, 0.64], [0.58,0.61] ]

clf.fit(X,y)

该代码返回提到的错误.数据在这里没有标准化,但是现在让我们忽略它.