对序列数据使用深度学习答案

【问题标题】：Using Deep Learning for sequencial data对序列数据使用深度学习
【发布时间】：2015-10-07 15:58:50
【问题描述】：

我有大量的标记数据序列，我想使用深度学习对它们进行分类。例如：我有 n 个文件 (f1 f2 f3...fn) 每个文件都有非常多的序列：

0 15 0 0 0 2...

0 2 4 4 4 8...

1 0 0 5 7 8...

0 3 5 6 0 22...

0 0 0 0 1 0...

1 0 3 0 5 0...

3 0 0 0 11 4...

2 0 7 8 1 3...

现在对于给定的序列（例如：1 4 3 0 0 0 0....），（深度学习）程序应该能够将其分类到正确的文件中。您能否以 easy_to_understand 的方式解释如何使用深度学习来解决这个问题？我打算使用 R 和/或 Python。我会很高兴听到一些有用的深度学习库来解决这些问题。

【问题讨论】：

【解决方案1】：

不确定这个问题是否真的需要机器学习（甚至深度学习）来解决。如果您可以找到每个文件的唯一序列，那么简单的映射就可以完成这项工作（因为您说过“每个文件都有非常多的序列”）。

如果不是这样，那么这是classification problem。简而言之，在分类问题中，我们学习 X 的模式来预测 y。在您的情况下， X 将是文件中的序列， y 将是文件名。在进入深度学习之前，我建议你看看here。

【讨论】：

【解决方案2】：

尝试使用 LSTM 来完成这项任务。顺序任务是 LSTM 的自然使用。可以使用python，有theano、pybrain、tensorflow、torch等几个库。例如，声音是一种顺序现象，现代语音识别（谷歌、微软、百度）使用 LST 来完成这项任务。

【讨论】：