如何将两种（或多种）特征组合成一个最终特征来构建分类模型？

Question

目前，我遇到这样的问题：如何将两种（或多种）特征组合成一个最终特征来构建分类模型？

例如，我想做一个分类模型来预测药物 - 目标的相互作用，这里针对每种药物我可以得到500个特征，而每个目标我可以得到800个特征（这两种特征是相互独立的）。作为一个知道，一种简单的方法来结合这两种功能，只加上两个（每个药物 - 目标对500 + 800 = 1300特征）。

是否有人知道其他方法来做这种事情并使用组合功能来构建分类模型？

Answer 1

即使有很多功能，例如SVM，也有很多方法可以正常工作。

此外，还有大量关于此的文献，包括SVD，PCA，MDS，功能选择，功能转换......你将不得不阅读这些，我们无法挑选你的魔法弹没有您的数据，所有这一切。

Answer 2

Random Forest使用信息增益为您的分类任务选择最佳功能。分类器适用于多个要素源以及类型。例如，您可以组合连续属性和离散属性。

培训时间稍长，因为您必须多次迭代所有功能，但内存性能和分类速度是 非常好。