我对Python和深度学习完全陌生。我想使用深度学习方法(例如卷积神经网络)对标记(和预处理)数据(包括 25 个数字特征、一个标签特征和近 35000 个样本)进行分类。但我对此真的很困惑:
我在互联网上看到了各种相关内容,但我真的很怀疑哪种方法或哪个示例可能对我有用。
这取决于您的应用程序,一般来说,我会说 TensorFlow 更标准、更适合初学者,并且更多地在大公司中使用,但 Pytorch 更注重研究。我确实认为在张量流中做事情更容易,而不需要理解它们,这是需要考虑的。网上有大量关于此的信息,但最终两者都不是一个糟糕的选择。
这很大程度上取决于您的数据,我无法在这里回答。网上有很多这方面的教程。尝试几种不同的架构并从那里开始。从相对简单的开始,然后从那里开始。我想说你可能不需要做 CNN,一个简单的神经网络就足够了。如果目标是对数据建模而不是学习 ANN,请首先尝试标准 ML 模型,例如 Random Forrest,它们往往在表格数据上具有良好的性能。
因此,如果电子表格的每一行都是独立的,那么它就不是一个序列。在我看来,这是表格数据。