将 CNN 用于分类和数字数据等数据在理论上是否合理？答案

【问题标题】：Is it theoretically reasonable to use CNN for data like categorical and numeric data?将 CNN 用于分类和数字数据等数据在理论上是否合理？
【发布时间】：2020-10-17 01:35:25
【问题描述】：

我正在尝试使用 CNN 进行二进制分类。由于 CNN 在特征提取方面显示出其强大的实力，它已被广泛用于图像和语音等模式数据。但是，我拥有的数据集不是图像或语音数据，而是分类数据和数值数据，与本例不同。我的问题如下。

在这种情况下，这种配置下的数据使用CNN在理论上合理吗？
如果合理的话，人为地将我的数据集放在一个二维的形式中，进行一个2D-CNN是否合理？

我经常通过 Kaggle 和各种媒体在许多分类器中看到使用 CNN 的示例，我不仅可以看到图像和声音，还可以看到像我这样的数字和分类数据。我真的很想知道这在理论上是一个问题，如果你知道相关的论文或研究，如果你能推荐它，我将不胜感激。

我期待听到有关这种情况的任何建议。谢谢你的回答。

【问题讨论】：

标签： deep-learning classification theory conv-neural-network

【解决方案1】：

用于图像的 CNN 将内核应用于相邻像素和图像块。用于音频的 CNN 在频谱图上工作，即也使用输入数据接近度。

如果您的数据输入具有某种相似性（例如时间序列、图表...），那么 CNN 可能会很有用。

【讨论】：

感谢您的回答。我认为我的数据输入没有某种接近性……我已经尝试过使用 CNN 来处理我的数据，它比 ANN 和 DNN 略好。在这种情况下，我应该称之为巧合吗？
我只能想象你如何设置你的实验，但我认为你可以通过使用多层全连接网络来获得更好的结果。
我使用 CNN 进行二进制文本分类，准确率达到 80%，F1 得分为 64%。所以，我认为我们可以使用它们。
@Raghvendra，问题是关于表格数据，而不是文本