如何使用任何分类器对我的数据进行分类，每个数据点由一组浮点值组成？答案

【问题标题】：How can I use any classifier to classify my data with each data point consisting of a set of floating values?如何使用任何分类器对我的数据进行分类，每个数据点由一组浮点值组成？
【发布时间】：2019-04-01 13:01:21
【问题描述】：

我有这种格式的数据-

[0.266465 0.9203907 1.007363 ... 0.0.09623989 0.39632136]

是第一行第一列的值。

是第一行第二列的值：

[0.9042176 1.135085 1.2988662 ... 0.0.13614458 0.28000486]

我有 2200 个这样的行，我想训练一个分类器来识别这两组值是否相似？

P.S.- 这些是提取的特征向量值。

【问题讨论】：

标签： python deep-learning classification dna-sequence

【解决方案1】：

如果您假设两个提取的特征向量之间的关系是线性的，您可以尝试使用 Pearson 相关：

import numpy as np
from scipy.stats import pearsonr

list1 = np.random.random(100)
list2 = np.random.random(100)

pearsonr(list1, list2)

一个示例输出是：

(0.0746901299996632, 0.4601843257734832)

第一个值表示相关性 (7%)，第二个值表示其显着性（> 0,05，您接受零假设，即相关性在显着性水平 alfa = 5% 时不显着）。如果向量是相关的，它们在某种程度上是相似的。更多关于here的方法。

另外，我遇到了Normalized Cross-Correlation，它用于识别图片之间的相似性（不是专家，所以请查看this）。

【讨论】：

谢谢，这个想法很有帮助，我发现另一种方法是减去这两个向量并存储结果，然后在 svm 上训练结果。