| 查看: 2745 | 回复: 11 | |||
| 当前只显示满足指定条件的回帖，点击这里查看本话题的所有回帖 | |||
[求助]
SVM分类，原始数据点是二维矩阵，如何转化为列向量才能保证分类准确性？ 已有2人参与
|
|||
|
原始的每个数据点是16×16的二维矩阵，拿几百个这样的数据点用来训练svm分类器。那么怎样把这些二维矩阵表示的数据点转化为列向量表示才能准确分类？ 我现在的做法是直接把矩阵中的后一列接在前一列，构成256维空间的列向量。这样可行吗？有没有什么高级办法可以降维同时保证不丢失特征？ 恳请各位大神指点。 [ 发自手机版 http://muchong.com/3g ] |
回复此楼» 猜你喜欢
309分085801求调剂
已经有7人回复
-
生物学308分求调剂（一志愿华东师大）
已经有3人回复
-
求调剂：一志愿：南京大学 专业：0705 总分320 ，本科985，四六级已过
已经有3人回复
-
环境工程 085701，267求调剂
已经有14人回复
-
308求调剂
已经有12人回复
-
求调剂：085600材料与化工，考材科基，总分319
已经有21人回复
-
311求调剂
已经有8人回复
-
294分080500材料科学与工程求调剂
已经有13人回复
-
288求调剂 一志愿哈工大 材料与化工
已经有19人回复
-
288资源与环境专硕求调剂，不限专业，有学上就行
已经有23人回复
|
没有问题的，每一维都是等价的，没有主次之分。但是有可能某些维度上有冗余，比如所有的样本在第一维上都为0，那么pca算法就可以把这一维度去掉，从而降低到255维。具体降维如何操作，在哪一维上操作，要是是要看你的数据长什么样子。另外，我只是举个例子，pca算法可能没我刚刚说的那么简单，pca是向更底维的子空间投影。 发自小木虫Android客户端 |
10楼2015-09-24 01:27:59
2楼2015-09-22 21:44:18
3楼2015-09-23 00:08:37
avhg
兑换贵宾
幻象
- 应助: 3 (幼儿园)
- 金币: 1017.3
- 散金: 419
- 红花: 1
- 帖子: 1001
- 在线: 186.6小时
- 虫号: 1089273
- 注册: 2010-09-04
- 性别: GG
- 专业: 认知科学及智能信息处理
4楼2015-09-23 14:45:45
