如何使用直方圖作為特征的scikit-learn的SVM？

Question

我希望用scikit學習的SVM與卡方核，如圖所示這里 。 在這種情況下，內核是直方圖，這是我的數據表示。 但是，我找不到這些與直方圖一起使用的例子。 這樣做的正確方法是什么？

將直方圖視為向量的正確方法是什么？向量中的每個元素對應於直方圖的bin？

先感謝您

Answer 1

有使用近似特征圖的例子在這里 。 它適用於RBF內核，但它的工作原理相同。

上面的示例使用“管道”，但您也可以在將數據轉換為線性分類器之前將其應用於數據，因為AdditiveChi2Sampler實際上並不以任何方式fit數據。

請記住，這只是內核映射的近似（我發現它運行得很好），如果你想使用確切的內核，你應該使用ogrisel的anwser。

Answer 2

sklearn.svm.SVC以兩種方式接受自定義內核：

• 任意python函數作為kernel參數傳遞給構造函數
• 預計算的內核矩陣作為第一個參數傳遞給fit和kernel=precomputed在構造函數中kernel=precomputed

前者可以慢得多，但不需要提前分配整個內核矩陣（這對於大型n_samples可能是禁止的）。

更多詳細信息和指向自定義內核文檔中示例的鏈接。