我有一组数据，用于吸收不同表面相对于时间的光。这是我的训练数据，我知道每个曲线都属于哪个表面(在此培训数据图中(，但是我想设计一个神经网络分类器，该分类器可以给出与输入i的输出相对应的输出。
我从未与分类器合作，所以我不知道该如何从此开始。我想知道如何确定用于分类的数据集中的功能？是否有一般过程，以便我可以决定用于分类的任何任意数据的功能？不仅是图像和文本分类，因为大多数教程要么讨论此类问题，要么假定神经网络的输入向量。
实际上并不适合所有方法。我听说的唯一一件事是您可能正在寻找的是主要组件分析(https://en.wikipedia.org/wiki/wiki/principal_component_analysis(，但这可能太复杂了。这可能是一个更好的起点(https://georgemdallas.wordpress.com/2013/10/10/10/principal-component-analysis-4-dummies-4-dummies-eigenvectors-eigenvectors-eigenvalues-and-dimension-dimension-redincle-dimension-reduction-comploct/princec..th-eigenvectors-eigenvelues-eigenvalues-ender-dimensial-reduction/).>
如果您发现这太复杂了，只要您可以访问原始数据，就可以解决一些您认为数据有所不同的因素。这些只是一些想法：
例如。平均梯度，偏移，标准偏差，最小梯度，最大梯度等。请记住，可以用来区分越好的越少。
只需通过每个因素运行每条线的原始数据点，它们将成为网络的输入。每个因素的输入当然是标准化的。
对于输出，您可以为每个表面有一个神经元，输出最高的神经元是您的赢家。