Question

在我开始之前，我是机器学习的新手，刚开始弄湿我的脚。我对JavaScript足够熟悉，因此我认为我可以运行tensorflow.js。所以请原谅我的天真。

我的数据包含单个样本的信息，例如：

Probes  Signal
1       150
2       320
3       15
4       40
.       .
.       .
10      200

说我有10个这样的已知样本，它们的探针信号电平不同。探针及其顺序保持不变，即1,2,3 ... 10。这是三维空间吗？

我的最终目标是使用这些已知的样本创建模型。然后，对于未知样品，我还将具有如上所述的Probe（相同顺序）和Signal数据，并且模型应预测什么是样品（或最接近的相关样品）。

对于将其表示为tf.tensor2d还是tf.tensor3d，我有些困惑

如果它是tensor2d，我可以用这样的方式表示它，以便每个单独的数组都包含Signal数据：

tf.tensor2d([[150, 320, 15, 40, ....., 200], [<data for sample2>], [<data for sample 3].....);

如果它是一个tensor3d，我可以用这样的方式表示它，使其既包含Probe编号又包含Signal数据：

tf.tensor3d([[[1,150], [2,320]], [[3,15], [4, 40],....,[10,200], [<data for sample2>], [<data for sample 3]);

一方面，我觉得二维张量就足够了，因为探测顺序保持不变，但是如果我在该假设中错了，请更正我。谢谢您的帮助。

Answer 1

由于输入数据的探针ID（1-10）在每个样本上都是一致的，因此您无需将其传递给模型。

因此，您的数据只是一维的，更具体地说，它的形状为[10]，它也是第一层的形状。

但是由于model.fit()和model.predict()将多个样本作为输入，因此它们需要一个以上的维度（tensor2D）或第一层输入形状的张量数组（{{ 1}}）。