使用矩阵对单个值进行分类

Question

我有一系列 30x30 矩阵，其中包含从 0 到 75 的元素（输入矩阵），每个矩阵都有一个 30x30 矩阵，其中仅包含 1 和 0（输出矩阵）。我正在尝试在输入矩阵上训练分类器以预测输出矩阵，但是我不确定如何最好地表示分类器的输入矩阵（最好是 sk-learn）。我无法将矩阵抽象为另一种形式，因为输入矩阵中的每个元素都必须映射到输出矩阵相同位置的元素。有没有人尝试过类似的东西？

Answer 1

选项 1：多标签分类器

• 您可以将30X30 矩阵展平为900 元素向量，并将其馈送到神经网络进行多标签分类 https://en.wikipedia.org/wiki/Multi-label_classification
• 将30X30 矩阵视为单通道图像，并为具有适当损失函数的 CNN 建模以进行多标签分类。

选项 2：序列到序列分类器

• 将30X30 矩阵展平为900 元素向量，并构建一个具有900 个时间步长的LSTM，并将向量中的第i 个元素输入到第i 个时间步长。 LSTM 连接到具有 sigmoid 激活（2 类分类）的 Dense 层。如果您使用 keras 来实现，您将不得不为此使用 return_sequence=True。