为卷积神经网络 (Keras) 重塑二维数据

Question

我有一个数据集是 N_Samples by N_features [N_samples, N_features] 和一个相应的标签集是 [N_samples, N_labels] 我想使用 keras 的 Conv1D 或 Conv2D，但我不知道如何重塑数据以适应它

数据集大约有 100,000 个样本，包含 32 个特征，标签数据集长度相同，包含 6 个标签类别（100000, 6）

model = Sequential()

model.add(Conv1D(64, kernel_size=3, activation=’relu’, input_shape=(None,N_features,1)))

# (i would add other layers after this but right now I don't have any)

model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])

model.fit(X_train, y_train, batch_size=32, epochs=3)

model.predict(X_test)

Answer 1

如果你想使用Conv1D，你只需要添加一个大小为1的通道维度，即X_train.reshape(-1, X.shape[1], 1)。如果您希望使用Conv2D，您可以将其重塑为X_train.reshape(-1, 8, 4, 1) 或以任何类似方式，以便第二维和第三维的乘积等于特征数。