Есть ли решение для обучения модели со вложенными списками в векторе признаков?

Question

[Илья]

f_1 = 1
f_2 = 0
X_train = [[f_1, f_2], [f_2, f_1]]
y_train = [1, -1]

Мой набор данных содержит в переменных f_1 и f_2 вложенные списки.

f_1 = [[[1, 2], [2, 3], [3, 4]], [[4, 5], [5, 6], [6, 7]]]

Вопрос в том, реально ли написать, например, персептрон для обучения именно на такой структуре данных?
Пробовал агрегировать и разворачивать вложенные признаки в один вектор, результат плохой, хотя признаки информативные (но это не точно).

Думаю есть что-то подобное для работы с изображениями из области глубокого обучения, но в моём случае данные неоднородные...

Comments

[xdgadd]

Можете больше информации дать? Что за данные? Какую задачу решаете?

[Илья]

xdgadd, Задача - предсказать вероятность победы теннисиста в матче. На входе два массива - исторические данные двух теннисистов в пределах последних 3-5 турниров плюс дополнительные признаки о текущем турнире, местоположении, дате игры и т.д. Пример структуры массива для одного спортсмена:
[[информация о турнире, [данные матча в этом турнире, ..., до n матчей]],
[информация о турнире, [данные матча в этом турнире, ..., до n матчей]],
...]
где инф. о турнире - три непрерывных признака, два категориальных и один бинарный,
где данные матча - три непрерывных и один бинарный признак.