Как использовать машинное обучение, когда входные данные разного размера?

В стандартном машинном обучении поваренной книги мы работаем с прямоугольной матрицей;то есть все наши точки данных имеют одинаковое количество функций.Как мы справляемся с ситуациями, когда все наши точки данных имеют разное количество функций?Например, если мы хотим провести визуальную классификацию, но все наши изображения имеют разные размеры, или если мы хотим провести анализ настроений, но все наши предложения содержат разное количество слов, или если мы хотим провести звездную классификацию, но всезвезды наблюдались разное количество раз и т. д.Я думаю, что нормальным способом было бы извлечь объекты обычного размера из этих данных нестандартного размера.Но недавно я посетил доклад о глубоком обучении, где докладчик подчеркнул, что вместо того, чтобы вручную создавать функции из данных, глубокие ученики могут сами изучить соответствующие функции.Но как нам использовать, например, нейронную сеть, если входной слой не имеет фиксированного размера?
7 голосов | спросил rhombidodecahedron 2 MarpmMon, 02 Mar 2015 23:43:39 +03002015-03-02T23:43:39+03:0011 2015, 23:43:39

0 ответов


Похожие вопросы

Популярные теги

security × 330linux × 316macos × 2827 × 268performance × 244command-line × 241sql-server × 235joomla-3.x × 222java × 189c++ × 186windows × 180cisco × 168bash × 158c# × 142gmail × 139arduino-uno × 139javascript × 134ssh × 133seo × 132mysql × 132