CNN+Transformer+SE注意力机制多分类模型 + SHAP特征重要性分析,pytorch框架CNN提取一维序列的局部特征,如光谱峰值、表格数据趋势等。Transformer捕捉一维序列的全局依赖关系,解决长序列建模难题! 弥补CNN在长距离依赖建模上的不足,提升模型的全局特征提取能力。SE注意力机制动态调整特征通道权重,聚焦关键信息,提升分类精度! 支持多类别分类任务,适用于光谱分类、表格数据分类、时间序列分类等场景。 可自定义类别数量 输出训练损失和准确率,并评估训练集和测试集的准确率,精确率,召回率,f1分数,绘制roc曲线,混淆矩阵 结合SHAP(Shapley Additive exPl