Question

数据集按行包含不同的项目，列包含记录的样本，其中一半为正类，另一半为负类。现在，我想创建并训练一个模型，将看不见的项目样本分类为正或负。

问题：如何处理（使用）这样的数据集？

并且，对于模型的任何建议，因为行数超过50k，列数为12正和12负。

现在，根据这些数据，将创建一个模型，该模型可以根据提供的值将x（或y或z）分类为正值或负值。例如，如果为x提供的值为12，则模型会将x评估为正。

Answer 1

只要我理解您的问题，您就有一个变量作为输入，比如说x。此变量可以保存一些值（正例），而不能容纳其他值（负例）。现在，给定x的新值，您想知道该值是否对x合理。

您谈到了培训。我猜您在思考神经网络。在这种情况下，只需在表的第一行（x行）中创建一个数据集，如下所示：

D = [
 [10, 1],
 [11, 1],
 [13, 1],
 [14, 1],
 [16, 0],
 [15, 0],
 [14, 0],
 [16, 0],
]

第一个元素是您的价值。第二个元素告诉您的网络是一个合理的值（1）还是不是（0）。记住要对数据集进行混洗，以避免与网络中的样本高度相关（从理论上讲，它们应该是id）。

您的网络将仅具有1个神经元作为输入，而具有1个神经元作为输出。最后一层将是S型激活函数（因为它被限制在0和1之间）。使用二进制交叉熵损失。

给出评论，这是更新的答案。

数据集必须为以下内容：

D = [
 [10, 0.67, 25, ..., 1],
 [16, 0.15, 20.5, ..., 0],
 [...]
]

该网络与上述网络相同，但是现在输入的维数等于行数。