数据分类：训练和测试向量的大小

[poster]

我有一个决定人是在挥手，跑步还是走路的应用程序。我的想法是我将一个动作（如手波）按其姿势分段。比方说

例;

for human1:pose7-pose3-pose7-..... represents handwave for human3:pose1-pose7-pose1-..... represents handwave for human7:pose1-pose1-pose7-..... represents handwave for human20:pose3-pose7-pose7-..... represents handwave for human1 pose11-pose33-pose77-..... represents walking for human2 pose31-pose33-pose77-..... represents walking for human3 pose11-pose77-pose77-..... represents walking for human20 pose11-pose33-pose11-..... represents walking 我使用上述向量在Matlab中训练SVM和神经网络。

现在我用它测试图像。再次，我为测试图像分割了姿势。

对于MATLAB中测试集和训练集的向量大小； SVM和神经网络需要相同的向量大小。使它起作用
如果我追加0（假设它像pose0这是一个无效的姿势），则要使大小相等，我的表现确实很好。
如果我在开始时复制初始姿势并将其附加到末尾，直到大小相等，则性能会下降。

例如;

train set: pose1-pose2-pose4-pose7-pose2-pose4-pose7 (1st method)test set: pose3-pose1-pose4-0-0-0-0 or (2nd method)test set: pose3-pose1-pose4-pose3-pose1-pose4-pose3 由于附加值是姿势的实际值，因此我希望使用第二种方法可以实现更好的分类。但是pose0不是真正的姿势。

你有什么想法 ？问候



回答：

在您的情况下，您的数据由一系列实例组成，每个实例具有许多功能（如PoseSlot1，PoseSlot2，...，PoseSlotN中的姿势槽）和类值（挥手，跑步或行走）。

您的问题是，所有类的特征数量都不相同，例如，跑步有7个姿势，而步行有3个姿势。

处理此类问题的标准方法是，假设您的机器学习算法可以处理缺失值，则用缺失值标记这些空插槽。

f1 f2 f3 f4 f5 f6 f7 class ------------------------------------------------- pose1,pose2,pose4,pose7,pose2,pose4,pose7,running pose3,pose1,pose4, ?, ?, ?, ?,walking 现在，您使用的第一个添加pose0是使用?的简化?用于缺失值（类似于添加新姿势来表示缺失值，而不是显式?值）

重复值的另一种方法实际上会产生一个问题，而不是解决一个问题。实际上，您正在创建相关的功能，并且您知道，大多数机器学习算法在一组独立的功能上效果最佳（通常由执行特征选择作为预处理步骤）



更多&回答...