我的情况是我有一个 excel 文件，其中包含 747 个节点(作为输入(，每个节点都有一个值(想象一下 747 列带有浮点数(，我有一个输出 741 个值/列再次浮点数。这些基本上是地质模拟的输入和输出。所以一行有 747(输入(+741(输出(= 1488 个浮点数，这是一个数据集(来自一个模拟(。我有 4 个这样的数据集(行(来训练神经网络，这样当我在 3 个测试数据集(747 列(上测试它们时，我得到了 741 列的输出。这只是一个简单的运行，在进一步修改之前让神经网络的骨架运行。
我遇到了NYCTaxi(https://github.com/zeahmed/DeepLearningWithMLdotNet/tree/master/NYCTaxiMultiOutputRegression(的多目标回归示例，但我似乎可以绕开它。
这是训练集(输入直到并包括列"ABS"，其余部分输出(： https://docs.google.com/spreadsheets/d/12TKVbGExt9KcK5RQKTexrToVo8qA5YfeItSaa7E2QdU/edit?usp=sharing
这是测试集： https://docs.google.com/spreadsheets/d/1-RjyZsdguucCSOr9QTdTp2ehJBqWCr5yz1-aRjQ_4zo/edit?usp=sharing
这是测试输出(要验证(：https://docs.google.com/spreadsheets/d/10O_6711CEpJ4DN1w-kCmW01NikjFVZTDmNRuqO3U_6A/edit?usp=sharing
任何指导/提示将不胜感激。啪！
我们可以使用自动编码器来完成此任务。自动编码器接收数据，将其压缩为潜在表示。现在，此表示向量用于构造输出变量。
因此，您可以将 747 维向量馈送到模型并生成另一个 747 维向量作为输出。经过适当的训练后，模型将能够为一组给定的输入生成目标变量。