如何找到三个矩阵的共同特征？
How to find common characteristics of the three matrices?
我有三个矩阵A, B和C，大小都是120*1000 double，其中120表示时间点的个数，1000 表示特征总数。对于每一个矩阵，都有一个对应的回归矩阵，其大小都是120*5 double。回归矩阵只包含"1"和"0"，其中"1"代表这个时间点有刺激，"0"代表休息时间点。我想找到A, B和C这三个矩阵的共同特征结合三个回归量矩阵。然后我想训练一个基于矩阵 A 和 B 的分类器。最后，我想根据训练数据对矩阵 C 进行分类。如何实现？谢谢！
我希望有更有资格的人介入，但看起来 OP 方面缺乏具体信息让他们都不敢回答。我的评论旨在作为指导而非答案，但应要求将我的评论移至答案。
首先，这离我的茶杯很远，所以要带着极端的偏见来处理，但是：
如果 features/subjects 不相关
那么您应该将每个单独处理 1D function/array/vector 并训练您的神经网络分类器（每个特征一个）。
如果特征相互依赖
那么您需要将它们全部用作神经网络分类器的输入，并拥有具有足够多节点（权重）的网络架构，能够处理如此大量的数据。
只有当你想减少对分类器的输入时，你才需要自己找到依赖关系
但是当您要使用神经网络时，您不需要这样做，因为神经网络往往会自行完成。当然，如果你这样做会降低所需的架构复杂性。
无论如何，如果您确实需要这样做，那么 PCA Principal Component Analysis is your way... This step is usually done for deterministic based classifiers (not neural network ones, for example based on correlation coefficients，或者基于任何度量标准中的距离等...）。 PCA 的优点是您不需要对数据了解太多...我知道的所有其他缩减方法通常利用依赖项或数据的某些特征，但为此您会需要详细了解输入的属性，我认为情况并非如此。
我有三个矩阵A, B和C，大小都是120*1000 double，其中120表示时间点的个数，1000 表示特征总数。对于每一个矩阵，都有一个对应的回归矩阵，其大小都是120*5 double。回归矩阵只包含"1"和"0"，其中"1"代表这个时间点有刺激，"0"代表休息时间点。我想找到A, B和C这三个矩阵的共同特征结合三个回归量矩阵。然后我想训练一个基于矩阵 A 和 B 的分类器。最后，我想根据训练数据对矩阵 C 进行分类。如何实现？谢谢！
我希望有更有资格的人介入，但看起来 OP 方面缺乏具体信息让他们都不敢回答。我的评论旨在作为指导而非答案，但应要求将我的评论移至答案。
首先，这离我的茶杯很远，所以要带着极端的偏见来处理，但是：
如果 features/subjects 不相关
那么您应该将每个单独处理 1D function/array/vector 并训练您的神经网络分类器（每个特征一个）。
如果特征相互依赖
那么您需要将它们全部用作神经网络分类器的输入，并拥有具有足够多节点（权重）的网络架构，能够处理如此大量的数据。
只有当你想减少对分类器的输入时，你才需要自己找到依赖关系
但是当您要使用神经网络时，您不需要这样做，因为神经网络往往会自行完成。当然，如果你这样做会降低所需的架构复杂性。
无论如何，如果您确实需要这样做，那么 PCA Principal Component Analysis is your way... This step is usually done for deterministic based classifiers (not neural network ones, for example based on correlation coefficients，或者基于任何度量标准中的距离等...）。 PCA 的优点是您不需要对数据了解太多...我知道的所有其他缩减方法通常利用依赖项或数据的某些特征，但为此您会需要详细了解输入的属性，我认为情况并非如此。