如何将一维卷积神经网络用于非图像数据答案

【问题标题】：how to use 1D-convolutional neural network for non-image data如何将一维卷积神经网络用于非图像数据
【发布时间】：2019-10-21 16:44:57
【问题描述】：

我有一个已在 Python 中作为数据框加载的数据集。它由 21392 行（数据实例，每一行是一个样本）和 79 列（特征）组成。最后一列，即第 79 列具有字符串类型标签。在这种情况下，我想使用 CNN 对数据进行分类，并使用可用特征预测目标标签。尽管这似乎是可能的，但这是一种有点非传统的方法。但是，我对方法应该如何使用感到非常困惑，因为我在 Tensorflow 或 Keras 中找不到任何关于使用 CNN 对非图像数据进行分类的示例代码/伪代码指导。在这方面的任何帮助将不胜感激。干杯！

【问题讨论】：

标签： python tensorflow conv-neural-network

【解决方案1】：

您首先必须知道，将 CNN 用于您的数据集是否明智。如果特征是连续的，您可以使用滑动 1D-CNN，例如心电图、DNA、音频。但是，我怀疑您的情况并非如此。使用全连接神经网络会是更好的选择。

【讨论】：