多维数据分类

Question

我想对一些多维数据进行分类：

输入数据如下：

Data1: [[a1,b1,f1], [a2,b2,f2], ... [an,bn,fn]] where: fn = F(an,bn) --> ClassA
Data2: [[c1,d1,g1], [c2,d2,g2], ... [cn,dn,gn]] where: gn = G(cn,dn) --> ClassB
...

因此，给定 Datax，如下所示，我们希望将其分类为我们拥有的有限类之一：

Datax: [[x1,y1,z1], [x2,y2,z2], ... [xn,yn,zn]] where: zn = Z(xn,yn) --> which class?

我可能会为每条记录展平数组并训练我的分类器：

Data1: [a1,b1,f1,a2,b2,f2,...,an,bn,fn]

但我认为，因为第三个值本身是前两个值的函数（例如 fn = F(an,bn)），所以我应该在训练中考虑这种关系，而不是使用平面数组。

这有什么不同吗？或者解决这个问题的最佳方法是什么？

Answer 1

如果每个元组的第 3 个数据是相同确定性函数的乘积（每行可以不同，但​​行的每个三元组必须相同） 那么你可以简单地削减 zn，因为它不会带来任何新信息。

例如：z1 = 3x1 + 2y1 ； z2 = 3x1 + 2y1 ; [...] ; zn = 3xn + 2yn

如果不是这样，那么你应该离开 z1。

这么说，我认为您可以将数组展平，因为大多数模型会自动理解这些依赖关系。