如何找到三个矩阵的共同特征？

-2

我有三个矩阵A, B和C，其大小全部为120*1000 double，其中120代表时间点的数量，1000代表特征的总数。对于每个矩阵，都有一个对应的回归矩阵，其大小全部为120*5 double。回归矩阵仅包含"1"和"0"，其中"1"表示在该时间点存在刺激并且"0"表示休息时间点。我想找到三个矩阵A, B和C与三个回归矩阵结合的共同特征。然后我想根据矩阵A和B来训练分类器。最后，我想根据训练数据对矩阵C进行分类。如何实现它？谢谢！如何找到三个矩阵的共同特征？

来源

2016-06-15 Poppy

为什么要扣除我的积分？我是否以不正确的方式提出这个问题？ – Poppy

在这变成适合本网站的问题之前需要回答的两个问题：1.您尝试了什么？ 2.你究竟需要什么，像'共同特征'这样的东西可能意味着什么。请提供（可能是小规模的）例子，说明你想要达到的目标。 –

@ DennisJaheruddin我想如果我想根据训练矩阵A和B对矩阵C进行分类，我应该找出矩阵A，B和C的共同特征。我错了吗？ – Poppy

我当时希望有更多合格的人加入，但看起来缺乏来自OP方面的具体信息令人沮丧，他们不愿意回答。我的意见不是作为答案，而是根据要求将我的意见转移到了答案上。

这一切首先是隔靴搔痒我的那杯茶极端偏见如此处理，但是：

如果功能/主题不相关

那么你应该处理每一个作为单独的1D function/array/vector并训练您的神经网络分类器（每个功能一个）。
如果功能都依赖于每个 - 其他

，那么你需要使用所有这些作为输入到你的神经网络分类器，并与节点（尸妖）足够大的量的网络架构能够处理这些数据量。
你需要找到的依赖你自己只，如果你想输入减少到分类

但你要为神经网络，你不需要作为神经网络趋向于做本身。如果你这么做的话，会减少所需的架构复杂性。

无论如何，如果你真的需要做的则是PCA Principal Component Analysis自己的方式......这一步骤通常是在任何指标等做了确定性基于分类（不是神经网络的，例如基于correlation coefficients，或基于距离..）。 PCA的优点是您不需要太多了解数据......我所知道的所有其他缩减方法通常会利用依赖项或数据的某些功能，但为此您需要知道输入的属性我假设的高度细节并非如此。

来源

2016-06-19 15:54:22 Spektre

你有任何Matlab代码（所以我可以从开始的代码学习）关于网络架构与足够大量的节点（wights）能够处理这样的数据量。 – Poppy

@Poppy正如我所提到的，这不是我的一杯茶......我不使用MATLAB和神经网络，而是使用C++中的确定性方法更舒服。现在我总能用不同的方式避开它们。我最喜欢的是相关系数。网络架构是感受/体验和测试的问题。您可以选择架构类型和大小......如果结果正确，您可以对其进行测试，如果不确定训练集是否正确或者架构的大小或类型是什么，请留下它...... +试用和错误，直到它正常工作。这是远不及我做事的方式，所以我尽可能避免它 – Spektre

如何找到三个矩阵的共同特征？

回答

相关问题