Machine learning 多特征与支持向量机的结合

我想结合使用。但是，这些特征具有不同的维度。如何将它们组合起来？

nikie在上面的评论是正确的：您可以将这些功能连接起来。因此，对于每个数据点（图像），特征向量如下所示：

[HOG1，HOG2，…，HOG4608，LBP1，LBP2，…，LBP7424]

其中，HOGn是HOG特征等中的第n个特征

---

然后，您的数据集将变大（图像数量为4608+7424）。

您能提供更多详细信息吗？（可能通过示例数据）您尝试了什么？为什么不简单地规范化两个向量并将它们连接起来？@greeness我有HOG（定向梯度直方图）和LBP（局部二进制模式）功能。HOG特征尺寸为4608*图像数量，LBP特征尺寸为7424*图像数量。我想学习一个使用这两种特征的SVM（支持向量机）分类器。但是，由于它们的大小不同，我不能直接将它们组合起来学习一个分类器。我该怎么做？@nikie这些特征已经正常化了。此外，规范化不会对维度产生任何影响。谢谢。。。。。如何以相等的权重组合线性SVM和非线性SVM输出？我在一个旧线程下询问，但我想知道，在这种情况下，所有HOG1，…，HOGN和LBP1，…，LBPM特征本身都是向量值，连接成更大的向量。是这样吗？