用 keras 搭建出一个判断今天是周几的模型？

[zungmou]

有没有前辈，能不能教下，如何用 keras 搭建一个模型，例如

x=[[2022, 12, 31]] x.shape = (-1, 3) y=[[6]] y.shape = (-1, 1)

x 对应日期，y 对应星期几，生成从 1000 年到 2021 年所有的日期对应的周几进行训练，这种模型要如何搭建？

我用了 Dense(64, activation='relu', input_shape=(3,)) Dense(64, activation='relu') Dense(1) 模型训练，并不能得到一个很好的结果。 刚入门，希望有前辈能给一点提示。

[mxT52CRuqR6o5]

虽然在工业实践上不该这么做，但在学术上研究这些问题是有意义的

[ted2011]

我记得 莫烦 有个类似的例子, 但一下找不到了, 你找找看

[ted2011]

找到了, 莫烦的例子是

# 中文的 "年-月-日" -> "day/month/year"
"98-02-26" -> "26/Feb/1998"

https://mofanpy.com/tutorials/machine-learning/nlp/seq2seq/

当然, 你这个模型要比莫烦这个例子难不少, 有没有解都不好说.

建议入门时选一些难度适宜的

[zungmou]

@paopjian 谢谢

[zungmou]

@ipwx 大佬，那换句话说，机器学习能够做到学会转换二级制吗？

[zungmou]

@misdake 谢谢。

[zungmou]

@ted2011 谢谢您

[RuiCBai]

可以的！
根据日期计算星期几是有公式的，叫蔡勒公式（但仅仅适用于 1582 年之后的日期）。
你用神经网络判断周几，无非就是用神经网络拟合这个复杂的函数，根据通用近似定理，肯定是可以的。

先可以根据这个公式生成大量样本，然后再训练。需要注意的是，不要使用 1582 年之前的日期，因为这样 样本可能不满足同分布 了，就会导致效果很差。

[ipwx]

@zungmou 你得设置合适的目标函数。。。但反过来这可能又等价于你转换成二进制了。

[ipwx]

@RuiCBai universal approximation theory 只说了，神经网络能表示任何一个可测集上的连续函数函数，但是不保证你的训练方法能恰好找到这个潜在的函数。大部分情况下训练样本外的数据，现在的神经网络并不保证能给出有意义的解。

[ipwx]

@RuiCBai 训练样本分布外

假设训练样本的分布是 p(x)，那么现在的大部分训练出来的神经网络在 p(x) 定义域之外的分布上并不能给出有意义的解。