machine-learning - 使用 CNN 处理一维数据

只是想知道是否有人这样做过？我有一个一维的数据集(但不确定它是否是正确的单词选择)。与通常的 CNN 输入图像(二维)不同，我的数据只有一维。一个例子是:

instance1 - feature1, feature2,...featureN

instance2 - feature1, feature2,...featureN

...

instanceM - feature1, feature2,...featureN

如何将我的数据集与 CNN 结合使用？我看过的接受以下形式的图像(例如 AlexNet 和 GoogleNet):

instance1 - 2d feature matrix

instance2 - 2d feature matrix2

...

instanceM - 2d feature matrixN

感谢任何帮助。

谢谢!

最佳答案

如果您的数据在空间上相关(您说不是)，那么您会将其提供给形状为 1xNx1 或 Nx1x1(行 x 列 x channel )的卷积网络(或者，具体来说，卷积层)。

如果这根本不是空间数据 - 您只有 N 个非空间相关的特征，那么形状应该是 1x1xN。

为了完整起见，我应该指出，如果您的数据确实是非空间的，那么使用卷积层/网络确实没有意义。您可以将其塑造为 1x1xN，然后使用 1x1 卷积，但由于 1x1 卷积与全连接(又称为密集，又称为线性)层执行完全相同的操作，因此您也可以直接使用它.

关于machine-learning - 使用 CNN 处理一维数据，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/40355288/