ممنون از پاسخ جامعتون. من توی این حوزه تازه کارم سوالم رو کامل تر می پرسم ممنون میشم کمک بفرمایید
یک دیتاست دارم که 40 تا ویژگی داره که شامل ویژگی های گسسته پیوسته و سمبولیک هستش. دیتاستم به صورت متنی هستش و باید اونو به یک ارایه دو بعدی تبدیل کنم تا با cnn بتونم عمل کلاسیفیکین رو انجام بدم
حالا چون میخوام از ترکیب اتو انکودر و cnn استفاده کنم به نظرتون میتونم عمل استخراج ویژگی رو بدم اتو انکودر انجام بده و عمل کلاسیفیکیشن رو cnn انجام بده؟ یعنی من بیام ورودی رو بدم به انکودر بعد چند تا لایه پنهان درست کنم و لایه دیکدر رو حذف کنم به جاش بیام از لایه های کانوولوشن استفاده کنم. یعنی ورودی لایه اول cnn بشه اخرین لایه پنهان دیکودر.
و سوال دیگه این که توی این حالت بازم لازمه که cnn بیاد ویژگی استخراج کنه و اونهارو رو یاد بگیره؟ یا میشه از cnn به عنوان کلاسیفایر محض استفاده کرد و از ویژگیهایی که اتوانکودر به دست اورده برای کلاسیفیکیشن استفاده کنه؟
و اینکه قبل از تمام این مراحل باید داده ها نرمال بشن برن توی بازه ی 0 و 1 خب با توجه به ماهیت داده های من که پیوسته گستته و سمبولیک هستن پیشنهاد شما برای نرمال کردنشون چیه؟