使用深度学习处理序列数据

Question

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

f1

0 15 0 0 0 2...

0 2 4 4 4 8...

1 0 0 5 7 8...

0 3 5 6 0 22...

f2

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...)，(深度学习)程序应该能够将其分类到正确的文件中。你能用easy_to_understand的方式解释一下如何使用深度学习来解决这个问题吗？我计划使用R和/或Python。我很高兴听到一些有用的深度学习库来解决这样的问题。

Answer 1

不确定这个问题是否真的需要ML (甚至是深度学习)来解决。如果您可以找到每个文件的唯一序列，那么一个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，则这是一个classification problem。简而言之，在分类问题中，我们学习了X的模式来预测y。在你的例子中，X将是文件中的序列，y将是文件名。在深入学习之前，我建议你先看看here。

Answer 2

尝试使用LSTM完成此任务。顺序任务是LSTM的一种自然用途。您可以使用python，有几个库，如theano，pybrain，tensorflow，torch等。例如，声音是一种序列现象，现代语音识别(google，microsoft，baidu)使用LST来完成这项任务。