Algorithm 如何找到这三个矩阵的共同特征？

我有三个矩阵

A，B

和

C

，它们的大小都是

120*1000 double

，其中

120

表示时间点的数量，

1000

表示特征的总数。对于每个矩阵，都有一个相应的回归矩阵，其大小都是

120*5 double

。回归矩阵仅包含

“1”

和

“0”

，其中

“1”

表示该时间点存在刺激，

“0”

表示休息时间点。我想找出三个矩阵

A，B

和

C

与三个回归矩阵组合的共同特征。然后我想训练一个基于矩阵

a

和

B

的分类器。最后，我想根据训练数据对矩阵

C

进行分类。如何实现？谢谢大家!

我希望有更合格的人介入，但似乎OP方缺乏具体信息让他们都不敢回答。我的评论是作为一个指导原则，不是作为答案，而是根据要求将我的评论转移到答案中

首先，这与我的兴趣相去甚远，所以请带着极端的偏见来处理，但是：

如果特征/主题不相关

然后，您应该将每一个作为单独的1D函数/数组/向量处理，并训练您的神经网络分类器（每个特征对应一个分类器）

如果功能相互依赖

然后，您需要将它们全部用作神经网络分类器的输入，并使网络架构具有足够多的节点（WIGHT），能够处理如此多的数据

只有当你想减少分类器的输入时，你才需要找到你自己的依赖关系

但是，当你要学习神经网络时，你不需要这样做，因为神经网络倾向于自己去做。如果您这样做，将降低所需的体系结构复杂性

无论如何，如果你真的需要这样做，那就是你的方式。。。这一步骤通常针对基于确定性的分类器（而不是神经网络分类器，例如基于或基于任何度量中的距离等）PCA的优点是您不需要对数据了解太多。。。我所知道的所有其他简化方法通常利用依赖项或数据的某些特性，但为此，您需要非常详细地了解输入的属性，我假设不是这样

---

为什么扣我的分数？我问这个问题的方式是否不当？在这个问题成为适合本网站的问题之前，需要回答两个问题：1。你试了什么？2.你到底需要什么，像“共同特征”这样的东西可能意味着什么。请提供（可能是小规模的）示例，说明您正试图实现的目标。@DennisJaheruddin我想如果我想根据训练矩阵A和B对矩阵C进行分类，我应该找出矩阵A、B和C的共同特征，。我错了吗？我真的不明白你想要解释或实现什么。你在使用机器学习工具箱还是什么？你为什么不在你的问题中添加所有这些细节并写出一个连贯的故事呢？你有没有关于网络架构的Matlab代码（这样我可以从一开始的代码中学习），其中有足够多的节点（wights）能够处理如此多的数据。@Poppy，正如我提到的，这不是我喜欢的。。。我不使用MATLAB和神经网络，相反，我更喜欢C++中的确定性方法。现在，我总是能够通过不同的方式避免他们。我最喜欢的是相关系数。网络架构是感觉/体验和测试的问题。您可以选择架构类型和大小。。。如果结果正常，则对其进行培训和测试。如果结果不正常，则将其保留。决定培训集是否正常，或架构的大小或类型…+反复尝试，直到成功。这与我做事的方式相去甚远，所以我尽量避免