我正在尝试为 2 类分类问题（例如 A 类和 B 类）构建模型。我有两个数据集，我想从中生成训练、测试和验证数据集（如下所示）：
Dataset-1：该数据集有 1092 个 A 类样本，其中每个样本作为 1481x163 和 1 个标签（即 A 类）的特征矩阵。该数据集的每个样本都具有相同的长度为 1481 的索引（假设是一组生物标志物）和相同的 163 个特征。矩阵非常稀疏。
Dataset-2：该数据集是 B 类的 82 个样本，其中每个样本具有与 A 类相同大小的特征矩阵（即 1481 个生物标志物 x 163 个特征）和 1 个标签（即类- B)。这里的矩阵也非常稀疏。
我想为两类分类构建一个模型，但我的问题是如何通过组合两个类来生成一个单一的特征矩阵（特别是对于非 ANN 模型，如 RF、SVM 等）。通过垂直或水平展平每个矩阵然后将它们连接起来可能没有用，因为数组的大小将非常大，并且很难从 163 个特征中找到重要特征。
请提出建议。