如何使用直方图作为特征的scikit-learn的SVM？

Question

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

Answer 1

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。

Answer 2

sklearn.svm.SVC以两种方式接受自定义内核：

• 任意python函数作为kernel参数传递给构造函数
• 预计算的内核矩阵作为第一个参数传递给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。