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。

[idblife]

有时候挺服搞机器学习的
搞了这算法那算法，一看效果还不如十几年前用 sql 写的数据分析。。。

[Licsber]

推荐知乎镜像问题：如何用深度学习判断某数是否是 2 的倍数？
这类问题对这种依靠“经验”的概率模型无解
建议 OP 放弃尝试 转而去研究 cv

[jdhao]

这个还需要模型吗，这都是固定算法可以算出来的

[omegatheta]

你把你的输入二进制化可能还好点

[Jooooooooo]

?

一个 O(1) 的公式咋还扯上机器学习了?

这就好像你用机器学习学加法一样. 不如研究一下机器如何能"理解"加法的规则.

[GRUNK]

这个不是有公式可以直接算出来那一天是周几的吗

[youngce]

补充一点：在一些计算机程序中，按照简单的算法直接反推公元 1 年 1 月 1 日，是星期一。

但是教皇格里戈八世在 1582 年 2 月 24 日颁布法令，永远抹去了 1582 年 10 月 5 日到 1582 年 10 月 14 日。历史上从来不曾有过这 10 天。1582 年 10 月 4 日是星期四，它的第二天是 1582 年 10 月 15 日星期五。

因此考虑到这 10 天的影响再去推算，公元元年 1 月 1 日就是星期六了。

这也是很多日历为什么显示公元元年 1 月 1 日是星期六

[zungmou]

@jdhao 目的是尝试用神经网络

[zungmou]

@omegatheta 能具体再说下吗？二进制化？

[zungmou]

@GRUNK 嗯，重点不是算星期几的算法，是想搭建一套神经网络来试试看能不能做到计算。

[zungmou]

@youngce 谢谢，我一会试试看 Python 内置的日历是否存在你说的这个问题。

[zungmou]

@Licsber 没有搜索到类似问题，我的目的也是类似，能否给个链接？谢谢

[labulaka521]

我有个想法，用深度学习预测什么时候拉屎

[paopjian]

机器学习不是用来解决精确数学的,是解决模糊数学的
他们说的应该是这个问题吧 https://www.zhihu.com/question/51362842

[lizytalk]

@idblife 人家这明显就是用来练习的练习题呀，我们当时作业还做过让 lstm 学习整数加法呢……

[idblife]

@lizytalk
知道 op 是为了联系，是想起我司 ai 部门有感而发

[ipwx]

@lizytalk

机器学习不是魔法，需要特征工程。

但是题目中的问题一旦涉及到特征工程，就和朴素的算星期几没有多少差别了。

[ipwx]

ps 补充“特征工程”这个论点。

如何用神经网络学习奇偶判定？直接放进去一个数是不行的，因为机器学习模型在这个问题上，任何超出训练集范围的数都是“训练分布外的数据”，不能得到有意义的输出。

正确的方法是比如，转换成二进制，拆成若干 0/1 串。。。。那恭喜你，正确答案就是看最低位的。这个机器学习能学到。但是已经转换成二进制了，那和直接写出奇偶判定的程序，也差别不大了。

当然你也可以转换成四进制、八进制，十进制，六进制。这几个进制对于奇偶判定的问题都比较 easy 。若是转换为三进制、五进制，多看几位应当也能搞定。这就是机器学习和人做奇偶判定程序有区别的地方了，人的话必须先二进制，然后才能给答案，第一步特征工程必须非常精确。但是机器学习的话，稍微有点偏差，给个 X 进制，也能凑合着学出来。所以它比普通的程序算法要稍微“智能”那么一点。

[misdake]

神经网络很难做取模运算吧。可以试试输入二进制化后的一堆 0 和 1 ，输出改成分类而不是直接输出 1 个数字。

[daweii]

如果不怎么在乎实现难度的话可以考虑把年月日转换成 embedding 输入。

[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。