Neural network 神经网络-每元素多列（Pytorch）

我使用神经网络进行分类，但对于我想要分类的每个患者/元素，我有4组不同的数字可供学习（每个数字都有自己的结果可供比较），显然，我希望每个患者都有一个结果。很明显，我可以把最后的结果分成4组，然后在那里做一些事情，但是当我试图超越最基本的网络或尝试先洗牌条目时，它似乎有问题，可能会导致以后的问题

---

有没有一个标准的方法？我所尝试的每件事都让我感觉到，你把一个不雅观、效率低下、不利于以后扩展的解决方案粘在了一起。根据你在评论中添加的信息，我理解（如果我错了，请纠正我），你有N名患者，每个样本有K个样本-每个样本由某些特征和中间结果组成。你也有一种方法，可以把这些K个中间结果合并成你真正感兴趣的最终结果。我还假设每个中间结果都是不可互换的

例如，假设您患有某种疾病，您从每位患者身上采集了K个血样。每个血液样本都要检测不同的成分，从结果中你可以确定他们是否被感染。在本例中，K测试不可互换，因为每个测试针对不同的部件

此设置可能导致两个常见管道：

端到端管道

两级管道

在端到端管道中，将所有功能嵌入在一起。在你的例子中，你有4个数字的K个数组，所以你的神经网络输入是一个4*K的数组。您应该确保始终保持连接顺序（如果中间结果是可互换的，那么这是不必要的），并且您的预测将只是您真正感兴趣的最终预测

在两阶段管道中，您将训练K个不同的神经网络，每个神经网络将得到一个由4个数字组成的数组，并输出中间结果。下一步，您需要将这些结果组合起来，以便进行所需的预测。 关于两阶段解决方案的两点意见：

如果K数组可以互换，那么这种方法是没有意义的

如果需要，您可以进一步采用这种方法，并使用K个中间预测作为另一个网络的输入，该网络使用这些中间结果来获得最终预测

---

嗨，你能详细解释一下你的问题定义吗？什么是不同的数字集，它们与元素的关系是什么，你想要得到的实际目标（分类）是什么？嗨，所以每列都是一组简单的数字，准确地说是语音记录。目标不是1就是0。每次的目标都是相同的（一个人将是1或0，无论它是哪一个记录）。Sn一个例子是四行：0.4、0.5、0.14、0.34、1。该患者每4列将有一个1，但其他数字将不同。我不确定是否可以将它们全部组合在一起——一方面，它可以让我消除重叠的特征（？），但另一方面，不同发音的区别可能很重要。只是要明确一点——每个人都有K个样本（不同的数字），你想输出K个预测？我宁愿1个预测！我可以把K个预测单独做，然后试着把它们变成1，但是我只想把每个人分类一次