利用机器学习对图进行分类

Question

我正在尝试使用机器学习将输入图( 2D点序列)分类为预定义图(A、B、C等)之一。目标是识别输入图属于哪种类型的图。

我以前做过单个数据点的分类，但我以前从来没有像图一样对数据序列进行分类。我能想到的唯一方法就是计算输入之间的‘均方误差’&每个A，B，C图，并选择误差最小的类别。

3输出示例可能如下所示。

input graph belongs to type A (confidence: 82%)
input graph belongs to type C (confidence: 68%)
input graph doesn't belong to any type (max confidence: 12%)

如何使用分类技术或任何其他精确的方法来实现这一点？

Answer 1

你问题的措辞使你似乎只想回答这个问题，那就是特定图A、B或C的当前图表。如果是这样的话，机器学习可能不是最好的方法，事实上，我认为基于MSE的方法可能是一个很好的起点。如果是这样的话，您可能想要计算这种方法的性能，看看它是否满足您的需要。如果你有一堆A，B和C类图的例子，那么机器学习可能是一种很好的方法。

如果您有一堆每个类的示例，那么在应用机器学习技术之前，首先需要计算每个图上的一组特性。在计算了图上每个特征的值之后，您将得到一个特征向量。从这一点出发，分类问题应该与您已经遇到的“单一”数据点问题相同。

示例特性：

• 最小或最大x或y值
• 序列的平均斜率
• 序列的路径长度
• 级数的最大曲率
• 多项式拟合系数

茶鲜包将计算时间序列的一系列特性，并帮助您整理相关的特性，因此它可能是一个很好的起点。

祝好运!