我有维度数据，(25000, 100, 500)即 25000 行，每行由一个 2 维 100 X 500 矩阵组成。目前我仅将 CNN 用于分类目的。有没有其他方法可以对这些数据进行建模？我将 2d 矩阵展平为具有形状的 1d 数组(50000, )并在数据集上应用 PCA (25000, 50000)，我得到了 400 个组件的大约 85% 的解释方差。PCA 和 LDA 对于这样的高维数据集仍然有用吗？（堆栈上的其他类似问题没有解决这个问题）

有没有其他方法可以提取一维特征，以便应用 SVM、XGBoost 等模型？（例如：CNN 提取扁平化的一维特征是一种方法）