接上一篇，这是第二个
2将我司部分视频按照随机index进行抽帧，然后得到inceptionV3 2048avg features
2.1降低维度，采用上一篇的方法PCA或者试试其他方法LDA？？
【其实LDA线性判别分析是我在听很多大佬报告时经常听到的，说明经常去听报告还是有好处的，一为认识大佬，混个脸熟；二为交流学问，增长见识；三为混吃混喝，但基本上路费都吃不回来，尴尬；四为相亲，哈哈，开个玩笑，，，，】
此次试试LDA，会不会有很好的聚类效果，拭目以待。
不同于PCA，LDA使得类别之间的差距更大，因此LDA需要标签，如果标签未知呢？？
【其实不论PCA或者LDA，sklearn均提供了API，简单好用，如下：
from sklearn.decomposition import PCA
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis我之前有自己实现，采用的特征值分解，而sklearn是采用的SVD分解，大同小异。
这一篇是单独用sklearn PCA实现的MNIST数据特征表示。
百变大魔王探花小明哥，看得了源码，造得出轮子，事无巨细，事必躬亲。
】
鉴于上面LDA的分析，此次仍旧用PCA查看数据类别之间的差距。
PCA后是500，但结果令人失望。其实伪标签012基本上都是1视频，而3是0视频，这就尴尬了。随机抽帧有缺陷？？
还是降维有问题【我觉得不是】，那可能就是特征提取的问题了。
基本都有重合。如果非要用inceptionV3特征，那么召回时应选择top3，很少的几个，不然可能就是错误的结果。
也可试试降维后用knn查询。我觉得可行，至少效果是类似的。
所以归根结底还是特征问题，动作特征如果不提取的话，那么可能得到的类别仅仅就是图像的。
另外有相关问题可以加入QQ群讨论，不设微信群
QQ群：868373192
语音图像视频深度-学习群
