machine-learning - 不同维度数据的分类器

Question

我需要使用维度可能变化的数据来训练分类器。例如(这是为了说明目的而编造的日期):

class-1,0,1,2,3
class-2,0,3,2,4,5,7
class-3,1,8,8,8,2,8,0,0,0
:
:
and so on...

我正在尝试使用 scikit-learn 训练线性 SVM，这需要固定维数。对较小的暗淡进行简单的零填充以匹配最大的暗淡，给我带来了令人失望的结果。

我应该对此类数据使用不同的分类器吗？我应该如何处理这个问题？

Answer 1

特征哈希是将可变长度输入转换为恒定长度输入所需的算法。然后，您可以将转换后的向量与任何适当的学习算法一起使用。

Wikipedia: Feature Hashing