如何为神经网络分类选择输入?

时间:2017-04-27 16:00:54

标签: machine-learning neural-network

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。

1 个答案:

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。