利用深度学习（如cnn）对excel数据进行分类

Question

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：

1. 我应该使用tensorflow还是pytorch？我必须如何编码网络架构？任何示例来说明！
2. 如何考虑数据特征的数量来选择网络不同部分的大小？
3. 我的问题是序列分类吗？我认为不是，因为我为每个数据样本都有一个指定的标签，并且没有每个标签的时间序列。 我真的很感谢任何可以帮助我解决问题的评论或提示。

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。

Answer 1

1. 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。

2. 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。

3. 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。