错误 - 在scikit-learn中使用SVM的自定义内核

Question

我创建了一个SVM实例，其中包含我自己定义的内核函数。 当我尝试在创建的模型上运行交叉验证时，我收到以下错误：

ValueError：X应该是方形内核矩阵
追溯：

得分= cross_val_score（model，X，y，cv = 10）

文件“C：\\ Python27 \\ lib \\ site-packages \\ scikit_learn-0.14.1-py2.7-win32.egg \\ sklearn \\ cross_validation.py”，第1152行，cross_val_score
用于火车，在cv中测试）

文件“C：\\ Python27 \\ lib \\ site-packages \\ scikit_learn-0.14.1-py2.7-win32.egg \\ sklearn \\ externals \\ joblib \\ parallel.py”，第517行， 电话

self.dispatch（function，args，kwargs）

文件“C：\\ Python27 \\ lib \\ site-packages \\ scikit_learn-0.14.1-py2.7-win32.egg \\ sklearn \\ externals \\ joblib \\ parallel.py”，第312行，在发送中

job = ImmediateApply（func，args，kwargs）

文件“C：\\ Python27 \\ lib \\ site-packages \\ scikit_learn-0.14.1-py2.7- win32.egg \\ sklearn \\ externals \\ joblib \\ parallel.py”，第136行，在init中

self.results = func（* args，** kwargs）

_cross_val_score中的文件“C：\\ Python27 \\ lib \\ site-packages \\ scikit_learn-0.14.1-py2.7-win32.egg \\ sklearn \\ cross_validation.py”，第1047行

提出ValueError（“X应该是方形内核矩阵”）

这是我的代码：

def hist_intersection(x, y):
    return np.sum(np.array([min(xi,yi) for xi,yi in zip(x,y)]))

model = svm.SVC(kernel = hist_intersection)
scores = cross_val_score(model, X, y, cv=10)

Answer 1

我快速浏览了一下，SVC类（以及交叉验证工具）似乎都期望内核可调用来从全数据矩阵一次计算整个内核矩阵（这使得这个特性非常有限，我同意）。 请查看测试以获取更多详细信息：

https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/svm/tests/test_svm.py#L124