[英]How to use scikit-learn's SVM with histograms as features?
我希望用scikit学习的SVM与卡方核,如图所示这里 。 在这种情况下,内核是直方图,这是我的数据表示。 但是,我找不到这些与直方图一起使用的例子。 这样做的正确方法是什么?
将直方图视为向量的正确方法是什么?向量中的每个元素对应于直方图的bin?
先感谢您
有使用近似特征图的例子在这里 。 它适用于RBF内核,但它的工作原理相同。
上面的示例使用“管道”,但您也可以在将数据转换为线性分类器之前将其应用于数据,因为AdditiveChi2Sampler
实际上并不以任何方式fit
数据。
请记住,这只是内核映射的近似(我发现它运行得很好),如果你想使用确切的内核,你应该使用ogrisel的anwser。
sklearn.svm.SVC
以两种方式接受自定义内核:
kernel
参数传递给构造函数 fit
和kernel=precomputed
在构造函数中kernel=precomputed
前者可以慢得多,但不需要提前分配整个内核矩阵(这对于大型n_samples
可能是禁止的)。
更多详细信息和指向自定义内核文档中示例的链接。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.