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。