私は3つの行列A, BとCを持ち、そのサイズはすべて120*1000 doubleであり、120は時間点の数を表し、1000はフィーチャの総数を表します。各行列に対して、対応する回帰行列があり、そのサイズはすべて120*5 doubleです。回帰行列は"1"と"0"のみを含み、"1"はこの時点で刺激があることを表し、"0"は休止時点を表します。私は3つの回帰行列と組み合わせた3つの行列A, BとCの共通の特性を見つけたいと思っています。次に、行列AとBに基づいて分類子を訓練したいと思います。最後に、トレーニングデータに基づいてマトリックスCを分類したいと思います。それを実現するには？ありがとうございました！どのように3つの行列の共通の特性を見つけるか？
私はOPの側からの特定の情報の欠如が答えないように彼らのすべてを落胆しているように、より適任者に入ることを望んでいました。私のコメントは答えとしてガイドラインではなく、要求に応じて私のコメントに答えました。機能/被験者は
に関連していないならば、あなたは別個のものとしてそれぞれを処理する必要があり
：
このすべての最初には、お茶の私のカップはほど遠いので、極端な偏見を扱うが、ではありません1D function/array/vectorとニューラルネットワーク分類器（各機能に1つ）をトレーニングします。
機能が
それぞれ、他に依存しているならば、あなたは、ニューラルネットワーク分類器への入力として、それらのすべてを使用してノード（wights）の大きな十分な量のネットワークアーキテクチャを持っている必要があります可能そのような量のデータを処理する。あなたは
を分類器への入力を減らしたい場合にのみ依存関係をあなたの自己を見つける必要がありますが、ニューラルネットワークのために行くされているとして、ニューラルネットワークはそれを行う傾向があるとして、あなたがする必要はありません
自体。大雑把に言うと、必要なアーキテクチャの複雑さが軽減されます。
PCA Principal Component Analysisはあなたのやり方です...このステップは、確定的な分類子（ニューラルネットワークのものではなく、例えばcorrelation coefficientsに基づいているか、任意の指標などの距離に基づいています。 ..）。 PCAは、データについてあまり知っている必要がないという利点があります...私が知っている他のすべての削減アプローチは、通常、依存関係やデータのいくつかの機能を悪用しますが、そのためには、私が想定している高い詳細はそうではありません。
このような量のデータを処理できる十分な量のノード（wights）を持つネットワークアーキテクチャについて、Matlabコードがありますか（コードから最初に学ぶことができます） 。 – Poppy
@Poppy私が言ったように、これは私のお茶ではありません...私はMATLABもニューラルネットワークも使用しません。代わりに、C++の決定論的なアプローチにもっと慣れています。今のところ私はいつも違う手段でそれらを避けることができました。私の好みは相関係数です。ネットワークアーキテクチャは、感情/経験とテストの問題です。あなたはアーキテクチャのタイプとサイズを選択します。トレーニングして、結果がOKならテストします。トラッキングセットがOKかどうかを判断しなければテストします。物事を行う私の方法のどこにもどこにもないので、もし私がそれを避けることができれば – Spektre
なぜポイントを差し引くのですか？私はこの質問を不適切な方法で尋ねますか？ – Poppy
これに先立って答える必要がある2つの質問は、このサイトに適した質問になります。1.何を試しましたか？ 2.正確に何が必要なのか、「共通の特性」のようなものは何かを意味する可能性があります。達成しようとしていることの正確な例を提供してください。 –
@DennisJaheruddin訓練行列AとBに基づいて行列Cを分類したいと思ったら、行列A、B、Cの共通の特性を調べるべきです。私が間違っている？ – Poppy