机器学习路径的优良特征

我正在研究由坐标(GPS)组成的路径的机器学习问题(主要是密度估计和异常检测)。除了坐标本身、增量(相邻坐标点之间的变化)和极坐标之外,还有什么其他好的特征?哪些特征可以明确体现直线性、曲折性、平滑性和环绕性的直观属性?


回答:

对于直线性/曲折性,你可能需要计算曲线的大致一阶导数;对于平滑性,则需要二阶及更高阶的导数。如果环绕性指的是多次返回同一地点的倾向,你可以计算有多少线段相互交叉。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注