不同大小的多个特征集进行分类

Question

我有多个不同的特征集。这些特征被存储在数据帧中。问题是，它们的大小不一样.我的第一个特征集是一个512长大小的浮点数向量.第二个特征集是12个浮点数.等等。

我想在所有这些特征集上使用不同的分类器。我想我不能把所有的特征都放在一个向量上，因为由于维度和小向量的缺失影响，性能会下降。

所以我有一个想法：在每个特征集上训练多个分类器，将这些结果作为一个新的特征集用于最终的分类器。

有什么标准的方法来处理这样的问题吗？

Answer 1

如果我没看错，你的所有特征集都描述了相同的输出，那么基于所有特征进行预测是最合理的。我会选择你的第一个建议。

• 把所有的特征合并到一个向量中 虽然是长的向量 但对于SVM这样的分类器来说应该不是问题 它的目的是为了与SVM一起工作 众多 的特点。

你的另一个想法。

• 为每个特征集训练一个单独的分类器 听起来像是增加了额外的复杂性。首先，你要担心多一个抽象的问题。其次，如果数据量有限，小的初始分类器可能不是那么好，小的特征集（例如与单个SVM相比）。

tl;dr：我会合并所有的特征（当然，如果不同的集子描述的是相同的observationvariables），然后用SVM来使用它们。