0
我有4个numpy数组(特征)。 numpy阵列的尺寸为:如何将多个特征向量有效地进行分类
a1=(360,100)
a2=(360,100)
a3=(360,100)
a4=(360,13)
我有360个(4个类,每个是90个)音频文件。我从这些wav文件中获得了4个不同的功能(a1,.. a4)。我尝试了这些功能(a1,.. a4)来分别训练svm和分类音频。但有些结果不好。现在我想结合这4个特征来获得更好的结果。但我不想连接这些矩阵。我只想确定这些特征的一些系数,并获得一个用于分类的特征向量。 例如,
时,我只使用A1的特征,表现为:
class1=%50, class2=%85, class3=%95, class4=%95
当我只使用A2功能,性能:
class1=%30, class2= %96, class3=%94, class4=%80
当我只使用A3功能,其性能是:
class1=%64, class2=%94, class3=%74, class4=%97
当我使用只是a4功能,性能是:
class1=%74, class2=%96, class3=%85, class4=%88
如何一起使用这4个功能来提高性能?我也连接了这些功能,但性能也不好。谢谢