как использовать 1D-сверточную нейронную сеть для данных без изображения

Question

У меня есть набор данных, который я загрузил как фрейм данных в Python. Он состоит из 21392 строк (экземпляры данных, каждая строка - один образец) и 79 столбцов (элементы). Последний столбец, т.е. столбец 79, имеет метки строкового типа. Я хотел бы использовать CNN для классификации данных в этом случае и прогнозирования целевых меток с использованием доступных функций. Это несколько необычный подход, хотя кажется возможным. Тем не менее, я очень смущен тем, какой должна быть методология, так как я не смог найти ни одного примера кода / псевдокода, ориентирующегося на использование CNN для классификации данных без изображения, ни в Tensorflow, ни в Keras. Любая помощь в этом отношении будет высоко оценена. Ура!

Answer 1

Сначала вы должны знать, имеет ли смысл использовать CNN для вашего набора данных. Вы можете использовать скользящий 1D-CNN, если функции последовательны, например, ЭКГ, ДНК, АУДИО. Однако я сомневаюсь, что это не так для вас. Использование полностью подключенной нейронной сети было бы лучшим выбором.