在传统的机器学习分类问题中,分类器接受输入特征向量并将其分类为预定类别之一。
在我的场景中,我需要一个输入特征向量
Fin = (fi1, fi2, fi3.... fin)
并学习输出另一个特征向量,例如
Fout = (fo1, fo2, fo3,....fon)
如何使用 ANN、决策树或 svm 等通用分类器来实现这一点。
在传统的机器学习分类问题中,分类器接受输入特征向量并将其分类为预定类别之一。
在我的场景中,我需要一个输入特征向量
Fin = (fi1, fi2, fi3.... fin)
并学习输出另一个特征向量,例如
Fout = (fo1, fo2, fo3,....fon)
如何使用 ANN、决策树或 svm 等通用分类器来实现这一点。
如果你想使用“通用分类器”,你唯一的选择是单独预测每个向量元素,即学习一个模型来预测第一个特征,预测它,重复 n 次。
使用统计关系学习技术也可以预测诸如特征向量之类的结构化输出。这是一个比传统机器学习更不成熟的领域,也更难理解和使用。此外,可用的工具要少得多。