我有一组数据可以吸收不同表面的光随时间的变化。这是我的训练数据，我知道每条曲线都属于哪个曲面(in this training data plot)，但我想设计一个神经网络分类器，它可以给出与输入I相对应的输出。
我从未使用过分类器，所以我不知道如何从这开始。我想知道如何确定我的数据集中用于分类的功能？是否有一般程序，以便我可以决定用于任何数据分类的功能？不仅仅是图像和文本分类，因为大多数教程要么讨论这些问题，要么假设给出了神经网络的输入向量。
答案 0 :(得分：0)
实际上没有一种适合所有方法。关于你可能正在寻找的主要成分分析（https://en.wikipedia.org/wiki/Principal_component_analysis），我所听到的唯一的东西接近于你可能会过于复杂。这可能是一个更好的起点（https://georgemdallas.wordpress.com/2013/10/30/principal-component-analysis-4-dummies-eigenvectors-eigenvalues-and-dimension-reduction/）。
如果您发现开始时过于复杂，只要您可以访问原始数据，那么您认为数据不同的某些因素可能就足够了。这些只是一些想法：
E.g。平均梯度，偏移，标准偏差，最小梯度，最大梯度等。请记住，可以用来区分更好的更少。
只需通过每个因素运行每一行的原始数据点，它们就会成为网络的输入。每个因素一个输入当然是标准化的。
对于输出，每个表面可以有一个神经元，输出最高的神经元是你的赢家。
