问CNN用于顺序分类

EN

NN对于回归任务并不理想。

我会训练10个网络，每个震级一个。

CNN #k将是一个二进制分类器，用来预测震级是k还是小于k。

换句话说，CNN #10是一个总是返回1的函数，而CNN#0是您已经训练过的二进制分类器。

使用您为分类任务训练的相同模型，并在其后面添加10个逻辑单元，这些单元分别指示是否为k级或小于k级，如前面所建议的那样。

至于不平衡问题，您可以选择批处理示例，使所有类的概率相等。

--直观的解释：

A类包含10个示例，B类包含90个示例。复制A类的每个示例8次，然后对两个类示例进行洗牌，然后在训练期间，保持抽样的均匀分布。

当然，您不需要显式地复制示例数据，只需保留映射到输入向量的索引列表，然后开始复制。