python - 如何从一组稀疏矩阵构建训练数据

Question

我正在尝试为 2 类分类问题（比如 A 类和 B 类）建立一个模型。我有两个数据集，我想从中生成训练、测试和验证数据集（如下所示）：

1. Dataset-1：该数据集有 1092 个 A 类样本，每个样本作为 1481x163 的特征矩阵和 1 个标签（即 A 类）。该数据集的每个样本都具有相同的索引，长度为 1481（假设是一组生物标志物）和相同的 163 个特征。矩阵非常稀疏。

2. 数据集 2：该数据集是 82 个 B 类样本，其中每个样本具有与 A 类相同大小的特征矩阵（即 1481 个生物标志物 x 163 个特征）和 1 个标签（即 B 类）。在这里，矩阵也非常稀疏。

我想为两类分类建立一个模型，但我的问题是如何通过组合两个类来生成一个单一的特征矩阵（尤其是对于非人工神经网络模型，如 RF、SVM 等）。通过每个矩阵的垂直或水平展平然后将它们连接起来可能没有用，因为数组的大小将非常大，并且很难从 163 个特征中找到重要特征。

请建议。

标签： pythonmatrixsvmrandom-forestfeature-selection