如何输入Scikit学习具有可变长度输入数据的MLP分类器。

Question

我想用以下数据集运行简单的MLP分类器（Scikit learn）。

数据集由100个文件组成，包含声音信号。每个文件有两列（两个信号）和行（信号长度）。行（信号）的长度因文件的不同而在70到80之间变化。所以文件的尺寸是70 x 2到80 x 2.每个文件代表一个完整的记录。

我面临的问题是如何训练具有可变长度数据的简单MLP，训练和测试集分别包含75和25个文件。

一种解决方案是连接所有文件并制作一个文件，即7500 x 2并训练MLP。但在这种情况下，信号的重要信息不再有用。

Answer 1

有效性的三种方法。强烈建议使用方法1。

第一种方法 - LSTM / GRU

您不使用简单 MLP。您正在处理的数据类型是顺序数据。为此目的创建了循环网络（LSTM / GRU）。它们能够处理可变长度序列。

第二种方法 - 嵌入

找到一个可以将数据转换为固定长度序列的函数，称为嵌入。网络生成时间序列嵌入的示例是TimeNet。然而，这基本上使我们回到第一种方法。

第三种方法 - 填充

如果您可以找到序列长度的合理上限，则可以将较短的序列填充到最长序列的长度（在序列的开头/结尾处填充0，插入/预测其余值），或者将较长的系列切成最短的系列。显然，你会分别引入噪音或丢失信息。