重塑包含连续和离散值的输入

Question

我使用的输入是2xN，其中第一个1xN行是连续数字，第二个1xN行是离散数字（编码7个可能类中的特定类）。我希望垂直相邻的对之间存在关系。

我希望在这个输入上使用神经网络作为多类分类器，但我不确定如何以有意义的方式重塑我的数据以进行前向传播。

将数据重塑为1x2N以进行有意义的前向传播的可行方法是什么？

编辑：

示例输入：

input_features = [[99.3, 22.1, 41.7], [1, 3, 4]]

Answer 1

除非你知道的东西超过＆＃34;可能存在某种关系＆＃34;，你应该将数组展平并将其作为向量传递 - NN可以（理论上）自己找到这样的实现（给出足够的数据）。

还有哪些其他选择？如果您怀疑存在单个关系，那么对于每一列都是如此，那么您可能需要构建特定的神经网络。一种选择是在输入层中进行大小为2x1（单列）的卷积。另一方面 - 如果你创建了足够大的内核集，那么它也可以建模更复杂的关系。在这种情况下 - 将其留作矩阵（将其视为图像）。离散值没有任何问题，只要它们处于合理的范围内。

一般情况下 - 你实际上只是使用网络的特定布线，而不是重新整形阵列（但是，如所描述的那样，转换网的实现实际上使用形状来为你完成工作）。