如何将两种(或多种)特征组合为一个最终特征来建立分类模型？
如何将两种(或多种)特征组合为一个最终特征来建立分类模型？
提问于 2015-02-11 02:13:03
目前，我遇到了这样的问题:如何将两种(或多种)特征结合起来作为一个最终特征来建立分类模型？
例如，我想做一个分类模型来预测药物-靶点的相互作用，这里对于每种药物我可以得到500个特征，而每个目标我可以得到800个特征(这两种特征是相互独立的)。众所周知，一种简单的方法将这两种特征加在一起(即500 + 800 = 1300特征，每个药物-靶标对)。
有没有人知道其他方法来做这样的事情，并使用组合的特征来建立分类模型？
回答 2
Stack Overflow用户
回答已采纳
发布于 2015-02-11 06:40:32
即使有这么多特性，也有许多方法可以很好地工作，比如支持向量机。
此外，也有大量的文献，包括SVD，PCA，MDS，特征选择，特征转换.你必须阅读这些，如果没有你的数据，我们就不能从这一切中挑出你的魔法子弹。
Stack Overflow用户
发布于 2016-01-30 13:34:49
随机林使用信息获取为分类任务选择最佳功能。分类器适用于多个特征源和类型。例如，可以组合连续属性和离散属性。
训练时间要长一点，因为您必须多次迭代所有特性，但是内存性能和分类速度相当好。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/28445441
复制相关文章
相似问题
腾讯云开发者
