SVM後的遺傳算法

Question

我已經應用了LIBSVM的SVM。現在我想要實現遺傳算法進行特徵選擇。試圖谷歌的一些信息

1）看到這個網站：http://www.scribd.com/doc/31235552/Genetic-Algorithm-Implementation-Using-Matlab

2）在MATLAB GA例子：http://www.mathworks.com/help/toolbox/gads/f6691.html

對他們

Q1幾個問題）[X FVAL] =ガ（@fitnessfun，nvars，選項）。這是做加索爾的功能。健身運動應該怎樣？在大多數ga中，它是一個多項式函數。但是在SVM的情況下，健身運動應該是什麼？ Q2）在SVM之後，遺傳算法是否有任何具體的例子？

想聽聽一些反饋。

在此先感謝。

Answer 1

如果你想做功能選擇，我認爲你有它倒退。您應該在之前運行GA以獲取特徵選擇對SVM的培訓。您的健身功能可能會成爲新訓練的SVM在選定功能上的表現，這取決於您想要完成的功能。不能說你對這個話題非常清楚。

要回答你的第二個評論：

有很多地方，我不知道你正在使用此ga函數，但如果你看看文檔，他們必須某處告訴你這個參數應該fitnessfun期待。我猜想你想評估適應度的個體是這個功能的主要參數。如果您演變了一系列功能，則此人將成爲布爾變量數組，其中true表示選定的功能，false表示未選擇的功能。這個適應度函數需要返回這個特徵選擇的好壞指標，即它必須返回一個更高的數字才能獲得更好的選擇，而更低的數字則會得到最差的選擇。對於這個預測精度可能是一個很好的數值（nb。正確預測除以樣本總數）。

我打算假設您知道如何計算給定數據集及其標籤的SVM模型的預測精度。由於您有預先訓練好的SVM，因此僅將它用於選定的功能可能有點棘手，並且它強烈依賴於SVM的實施。如果它是線性SVM，則可以將數據矩陣中的未選特徵的值設置爲零。但是，如果它是RBF SVM，將無法工作。您需要了解您所依賴的SVM實施的內部機制。我建議做一個簡單的例子，在這裏你可以訓練一個支持3D數據的SVM，然後使其適應2D數據。它強烈依賴於SVM模型的實現。