如何將一維卷積神經網絡用於非圖像數據

Question

我有一個數據集，已作為數據框加載到 Python 中。 它由 21392 行（數據實例，每一行是一個樣本）和 79 列（特征）組成。 最后一列，即第 79 列具有字符串類型標簽。 在這種情況下，我想使用 CNN 對數據進行分類，並使用可用特征預測目標標簽。 盡管這似乎是可能的，但這是一種有點非傳統的方法。 但是，我對方法應該如何使用感到非常困惑，因為我在 Tensorflow 或 Keras 中找不到任何關於使用 CNN 對非圖像數據進行分類的示例代碼/偽代碼指導。 在這方面的任何幫助將不勝感激。 干杯!

Answer 1

您首先必須知道，將 CNN 用於您的數據集是否明智。 如果特征是連續的，您可以使用滑動 1D-CNN，例如 ECG、DNA、AUDIO。 但是，我懷疑您的情況並非如此。 使用完全連接的神經網絡將是一個更好的選擇。