我正在 25 x 125 图像集上执行机器学习。获得 RGB 组件后,每个示例有 9375 个特征(我有大约 675 个)。我正在尝试 fminunc 和 fminsearch ,我认为我的方法有问题,因为它“卡住”,但是当我将特征数量减少一个因子时10,花了一段时间,但有效。如何最大限度地减少特征数量,同时保持图片中的相关信息?我尝试了 k-means,但我不知道这有什么帮助,因为我仍然具有相同数量的特征,只是有很多冗余。
最佳答案
您正在寻找特征缩减或选择方法。例如查看这个库:
http://homepage.tudelft.nl/19j49/Matlab_Toolbox_for_Dimensionality_Reduction.html
或者看到这个问题
Feature Selection in MATLAB
如果你用谷歌搜索特征选择/减少matlab
会找到很多相关的文章/工具。或者您可以谷歌搜索一些常用的方法,例如 PCA(主成分分析)。
关于image - 对图像进行机器学习时减少特征数量的方法,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/10436874/