我需要训练一个分类器，其数据的维数可以变化。例如（这是用于说明的补充日期）：
class-1,0,1,2,3
class-2,0,3,2,4,5,7
class-3,1,8,8,8,2,8,0,0,0
:
:
and so on...
我正在尝试使用scikit-learn训练线性SVM，这需要修复维度。较小的dims的简单零填充以匹配最大的dim，这给我带来了令人失望的结果。
我是否应该为这些数据使用不同的分类器？我该怎么做呢？
答案 0 :(得分：1)
尝试使用特征均值/中值填充，这是处理缺失数据的另一种方法。 这些测量是在相同的点/特征中进行的吗？
答案 1 :(得分：1)
特征哈希是您需要使用的算法将可变长度输入转换为恒定长度输入。然后，您可以使用任何适当的学习算法来转换矢量。