如何找到三個矩陣的共同特徵？

-2

我有三個矩陣A, B和C，其大小全部爲120*1000 double，其中120代表時間點的數量，1000代表特徵的總數。對於每個矩陣，都有一個對應的迴歸矩陣，其大小全部爲120*5 double。迴歸矩陣僅包含"1"和"0"，其中"1"表示在該時間點存在刺激並且"0"表示休息時間點。我想找到三個矩陣A, B和C與三個迴歸矩陣結合的共同特徵。然後我想根據矩陣A和B來訓練分類器。最後，我想根據訓練數據對矩陣C進行分類。如何實現它？謝謝！如何找到三個矩陣的共同特徵？

來源

2016-06-15 Poppy

爲什麼要扣除我的積分？我是否以不正確的方式提出這個問題？ – Poppy

在這變成適合本網站的問題之前需要回答的兩個問題：1.您嘗試了什麼？ 2.你究竟需要什麼，像'共同特徵'這樣的東西可能意味着什麼。請提供（可能是小規模的）例子，說明你想要達到的目標。 –

@ DennisJaheruddin我想如果我想根據訓練矩陣A和B對矩陣C進行分類，我應該找出矩陣A，B和C的共同特徵。我錯了嗎？ – Poppy

我當時希望有更多合格的人加入，但看起來缺乏來自OP方面的具體信息令人沮喪，他們不願意回答。我的意見不是作爲答案，而是根據要求將我的意見轉移到了答案上。

這一切首先是隔靴搔癢我的那杯茶極端偏見如此處理，但是：

如果功能/主題不相關

那麼你應該處理每一個作爲單獨的1D function/array/vector並訓練您的神經網絡分類器（每個功能一個）。
如果功能都依賴於每個 - 其他

，那麼你需要使用所有這些作爲輸入到你的神經網絡分類器，並與節點（屍妖）足夠大的量的網絡架構能夠處理這些數據量。
你需要找到的依賴你自己只，如果你想輸入減少到分類

但你要爲神經網絡，你不需要作爲神經網絡趨向於做本身。如果你這麼做的話，會減少所需的架構複雜性。

無論如何，如果你真的需要做的則是PCA Principal Component Analysis自己的方式......這一步驟通常是在任何指標等做了確定性基於分類（不是神經網絡的，例如基於correlation coefficients，或基於距離..）。 PCA的優點是您不需要太多瞭解數據......我所知道的所有其他縮減方法通常會利用依賴項或數據的某些功能，但爲此您需要知道輸入的屬性我假設的高度細節並非如此。

來源

2016-06-19 15:54:22 Spektre

你有任何Matlab代碼（所以我可以從開始的代碼學習）關於網絡架構與足夠大量的節點（wights）能夠處理這樣的數據量。 – Poppy

@Poppy正如我所提到的，這不是我的一杯茶......我不使用MATLAB和神經網絡，而是使用C++中的確定性方法更舒服。現在我總能用不同的方式避開它們。我最喜歡的是相關係數。網絡架構是感受/體驗和測試的問題。您可以選擇架構類型和大小......如果結果正確，您可以對其進行測試，如果不確定訓練集是否正確或者架構的大小或類型是什麼，請留下它...... +試用和錯誤，直到它正常工作。這是遠不及我做事的方式，所以我儘可能避免它 – Spektre

如何找到三個矩陣的共同特徵？

回答

相關問題