如何在多種類型功能上訓練svm

Question

我想訓練包含特徵p1，p2，p3的數據集上的svm。 p1是矢量，p2和p3是我想訓練的整數。例如p1 = [1,2,3]，p2 = 4，p3 = 5 X = [p1，p2，p3]，但p1本身是一個向量，所以X = [[1,2,3]，4 ，5]和Y是輸出命名標籤
但X不能把輸入以這種形式

clf.fit（X，Y） 它給出的形式的錯誤下面：意爲X可以不以這種形式 陣列取= np.array（array，dtype = dtype，order = order，copy = copy） ValueError：使用序列設置數組元素。

Answer 1

你基本上有兩種選擇：

1. 您的數據轉換爲普通格式和運行典型的SVM內核，在你的情況下，如果P1始終是3元，只需壓平表示由此[1,2， 3]，4,5]變成[1,2,3,4,5]，你很好走。因爲兩個內核的總和仍然是一個內核，所以你可以例如定義K（x，y）= K（[p1，p2，p3]），這樣就可以實現自己定製的內核函數。 [q1，q2，q3]）：= K1（p1，q1）+ K2（[p2，p3]，[q2，q3]）。現在K1和K2都在正則向量上工作，所以你可以以任意方式定義它們，並且只用它們的和作爲你的「聯合」內核函數。這種方法比較複雜，但如何定義處理複雜數據的方式，使您有很大的自由度。