我有一个数据集（[n] [13]），如：
1) -3.3 -15.0 41 1026.3 16.1 0 25.9 37.0 0 0 0 280 0
2) -3.9 -13.9 46 1028.0 16.1 0 20.4 0 0 0 0 280 0
3) -3.9 -13.3 49 1028.8 16.1 0 22.2 0 0 0 0 270 0
4) -4.4 -12.2 55 1029.5 16.1 0 11.1 0 0 0 0 260 0
...
n) -1.1 -10.6 49 1030.0 16.1 0 14.8 0 0 0 0 280 0
使用这个数据集，我想在Tensorflow中创建一个卷积神经网络并进行预测。
我知道卷积神经网络实际上是用于图像，但我看到了一些非图像输入的例子。
我可以使用这些数据创建卷积神经网络吗？如何创建？你能给我任何线索或教程或来源吗？
答案 0 :(得分：6)
这看起来不像适合投票站点的数据 - convnets认为在本地共享权重是有意义的，因此当数据中存在某种形式的局部性时它们是有意义的。因此，如果从某个功能到附近的某个连接，则对图像以外的其他内容都有意义。功能 - 例如时间序列或音频，其中相邻的功能发生在附近的时间点。您的数据看起来像列是未连接的（即使在不同的比例上）。
您的数据也非常低维，因此您可以使用完全连接的图层，如果您想采用深度学习方法 - 我会尝试其他方法来处理您的数据（增强和随机森林）
答案 1 :(得分：1)
实际上，我试图从低维数据中训练深度学习模型，正好是8个特征。 我设计了11层神经网络。 然而，与Naive Bayes算法训练的先前模型相比，它没有表现出完全不同的性能。 和你一样，我想通过亲自实验来学习神经网络算法。 无论如何，我想告诉你的一件事是你应该将数据规范化以具有相同的缩放比例。如果没有，神经网络将不会收敛。