【DL】基于卷积神经网络的一维数据二分类预测

前言

  我们经常看到使用LR、SVM、RF等机器学习算法对鸢尾花、葡萄酒种类进行分类的教程；经常看到使用LeNet、VGG、ResNet等卷积神经网络进行图片分类的教程；我们很少看到使用卷积神经网络对鸢尾花、葡萄酒种类这些一维数据进行分类。

  今天，我们打破常规思路，基于pytorch深度学习框架搭建卷积神经网络，用于一维数据分类。

数据集

一维数据介绍

  理解方式1: 一维就是一条线，线上的每个点的位置可以用一个坐标值来表示，所以叫一维数据。
  理解方式2：由对等关系的有序或无序数据构成，采用线性方式组织成对应列表、数组、集合。

  我们使用sklearn.datasets中的make_classification生成一个一维数据集。当然，也可以使用sklearn中自带的数据分类数据集(例如load_breast_cancer)，或者论文、实际项目中的数据集。

生成数据的代码

from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split

X,y = make_classification(n_samples=3000, n_features=50, n_informative=40, n_redundant=10, random_state=0)

x_train, x_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)
print(x_train.shape)  
print(x_test.shape)   
print(y_train.shape)  
print(