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Neural network 神经网络-每元素多列(Pytorch),neural-network,pytorch,Neural Network,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
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:
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