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

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注