一维卷积filter_Keras实现一维卷积(Conv1D)实例

实战一维卷积(Conv1D)：kaggle叶子分类问题

通过例子理解：

(1)一维卷积是如何工作的；

(2)输入数据是如何构建的；

在csv文件中，数据集或者特征集的保存方式nxm，其中n为样本个数，m为特征个数。这里有3类特征，64个magin特征， 64个shape特征， 64个texture特征。m=192.

这里有一篇比较详细解释代码的博客：用Keras实现简单一维卷积 ，亲测可用一维卷积实例，及Kaggle竞赛代码解读

需要的数据可以在kaggle上下载，上面的那篇文章也有下载链接。

直接看代码：

import numpy as np

import pandas as pd

from sklearn.preprocessing import LabelEncoder

from sklearn.preprocessing import StandardScaler

from sklearn.model_selection import StratifiedShuffleSplit

from keras.models import Sequential

from keras.layers import Dense, Activation, Flatten, Convolution1D, Dropout

from keras.optimizers import SGD

from keras.utils import np_utils

train = pd.read_csv('../input/train.csv')

test = pd.read_csv('../input/test.csv')

def encode(train, test):

label_encoder = LabelEncoder().fit(train.species)

labels = label_encoder.transform(train.species)

classes = list(label_encoder.classes_)

train = train.drop(['species', 'id'], axis=1)

test = test.drop('id', axis=1)

return train, labels, test, classes

train, labels, test, classes = encode(train, test)

# standardize train features

scaler = StandardScaler().fit(train.values)</