如何减少从一组矩阵和向量中提取的特征以用于 MATLAB 中的机器学习
How can I reduce extract features from a set of Matrices and vectors to be used in Machine Learning in MATLAB
我有一项任务需要训练机器学习模型来预测来自多个输入的一组输出。我的输入是一组 3x 1 向量、一组 3x3 协方差矩阵和一组标量的 1000 次迭代，而我的输出只是一组标量。我不能使用回归学习器应用程序，因为这些输入需要具有相同的维度，知道如何统一它们吗？
解决此问题的一种可能方法是将协方差矩阵展平为向量。完成后，您可以构建一个 1000xN 矩阵，其中 1000 指数据集中的样本数，N 是特征数。例如，如果您的特征由一个 3x1 向量、一个 3x3 协方差矩阵和 5 个其他标量组成，则 N 可能是 3+3*3+5=17。然后，您可以使用此矩阵来训练任意模型（例如线性回归器）或更高级的模型（例如树等）。
训练机器学习模型时，了解您的数据并利用其结构来帮助学习算法非常重要。例如，我们可以利用协方差矩阵是对称的和半正定的这一事实，因此存在于 closed convex cone. Symmetry of the matrix implies that it lives in a subspace of the set of all 3x3 matrices. In fact the dimension of the space of 3x3 symmetric matrices is only 6 中。您可以使用这些知识来减少数据中的冗余。
我有一项任务需要训练机器学习模型来预测来自多个输入的一组输出。我的输入是一组 3x 1 向量、一组 3x3 协方差矩阵和一组标量的 1000 次迭代，而我的输出只是一组标量。我不能使用回归学习器应用程序，因为这些输入需要具有相同的维度，知道如何统一它们吗？
解决此问题的一种可能方法是将协方差矩阵展平为向量。完成后，您可以构建一个 1000xN 矩阵，其中 1000 指数据集中的样本数，N 是特征数。例如，如果您的特征由一个 3x1 向量、一个 3x3 协方差矩阵和 5 个其他标量组成，则 N 可能是 3+3*3+5=17。然后，您可以使用此矩阵来训练任意模型（例如线性回归器）或更高级的模型（例如树等）。
训练机器学习模型时，了解您的数据并利用其结构来帮助学习算法非常重要。例如，我们可以利用协方差矩阵是对称的和半正定的这一事实，因此存在于 closed convex cone. Symmetry of the matrix implies that it lives in a subspace of the set of all 3x3 matrices. In fact the dimension of the space of 3x3 symmetric matrices is only 6 中。您可以使用这些知识来减少数据中的冗余。