我有一系列30×30的矩阵，矩阵中的元素值在0到75之间（输入矩阵），每个输入矩阵对应一个30×30的矩阵，仅包含1和0（输出矩阵）。我试图训练一个分类器，用于根据输入矩阵预测输出矩阵，但我不确定如何最好地表示输入矩阵以供分类器使用（理想情况下使用sk-learn）。我无法将矩阵转换为其他形式，因为输入矩阵中的每个元素必须与输出矩阵中相同位置的元素一一对应。是否有人尝试过类似的方法？
回答：
选项1：多标签分类器
- 您可以将
30X30的矩阵展平为一个900元素的向量，并将其输入到神经网络中进行多标签分类 https://en.wikipedia.org/wiki/Multi-label_classification - 将
30X30的矩阵视为单通道图像，并构建一个CNN，使用适当的损失函数进行多标签分类。
选项2：序列到序列分类器
- 将
30X30的矩阵展平为一个900元素的向量，并构建一个LSTM，具有900个时间步，矢量中的第i个元素作为第i个时间步的输入。LSTM连接到一个具有Sigmoid激活函数的Dense层（2类分类）。如果您使用Keras实现，则需要使用return_sequence=True。
