TCN实验报告

TCN实验报告

数据处理

将每个block_data处理成10*400 的二维矩阵，异常值不做剔除。（这里的异常值指-1和0）
label设置成0，1.做二分类处理
train set占比重0.7
test set 占比重0.3

模型使用

基本参数：
batch_size=128,
dropout=0.05,
epoch=20,
initial_lr=0.002,
kernel_size=7,

训练效果

trainloss很快就停止下降

test_acc 保持在0.53.说明模型并不work

分析原因

1：数据形状
10*400形状也许不太合适，可能长宽尽量1：1比较好；
每行数据是一个特征向量，在图像卷积时，中间的特征向量会比两端的产生更大的作用，也许把每行数据shuffle一下，做成多个样本会有帮助，也就是把各行的顺序交换，做成多个样本会有帮助。
2：数据大小：
所有的值都是负数，cnn一般时处理正数的。也许这个有影响；
与传统图片0-255之间近似高斯分布不同，我们的数据值分布比较集中，在-90左右。也许做些数据归一化会改善性能。