我是一个初学者，并且对这个主题非常陌生。因此，我一直想使用深度学习工作室制作用于预测疾病的lstm模型。我试图找到许多有关如何用lstm预测疾病的教程，并发现了与疾病预测无关的教程。我有一个具有数值属性的数据集。但是我发现的教程标题为“使用CNN LSTM的IMDB评论情绪预测”。我按照视频中显示的每个步骤进行操作，但是我正在获得结果，但是我不确定是否会获得正确的结果，因为在youtube视频中，显示的模型是这样的：
输入->嵌入层->卷积1d层->最大池化层-> Lstm层->密集层->输出。
因此我搜索了嵌入层，并发现该嵌入层通常用于NLP和其他单词预测模型。在我的疾病数据预测模型中使用嵌入层是否正确？如果模型对于我的数据集是正确的，那么嵌入层对数值属性有什么作用？另外，由于我是newb，所以我想了解为什么这些步骤按照视频中的说明进行，例如嵌入到卷积到maxpooling等。
答案 0 :(得分：1)
当数据是连续的和/或它们之间存在时间关系时，长期短期记忆（LSTM）和RNN可以很好地工作。例如：
在您提到的“ IMDB评论情绪预测”中，数据集中包含的句子中包含单词，这些单词是顺序的并且彼此相关。
对象跟踪：如果我要跟踪视频中的对象，则LSTM-RNN（理论上）会给我带来更好的结果，因为帧是顺序的，并且它们之间具有时间关系。
< / li>根据您在上文中提到的内容，您正在尝试构建“疾病预测”模型，我认为这是一个分类问题，而不是时间顺序预测问题，因此RNN / LSTM应该不起作用。 / strong>