从理论上讲，使用CNN来处理分类数据和数字数据是否合理？

Question

我试着用CNN来做二进制分类。由于CNN在特征提取方面的优势，它在图像和语音等模式数据中得到了广泛的应用。但是，我拥有的数据集不是图像或声音数据，而是分类数据和数字数据，它们与这种情况不同。我的问题如下。

在这种情况下，使用CNN作为configuration?中的数据从理论上讲是否合理？

如果

1. 是合理的，那么人工地将我的数据集放置为二维形式并执行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的例子，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。

我期待着听到关于这种情况的任何建议。谢谢你的回答。

Answer 1

用于图像的CNN将核应用于相邻的像素和图像块。CNN用于光谱图上的音频工作，也就是使用输入数据的接近度。

如果您的数据输入具有某种亲密性(例如时间序列、图形.)，那么CNN可能是有用的。