如何在多种类型功能上训练svm

Question

我想训练包含特征p1，p2，p3的数据集上的svm。 p1是矢量，p2和p3是我想训练的整数。例如p1 = [1,2,3]，p2 = 4，p3 = 5 X = [p1，p2，p3]，但p1本身是一个向量，所以X = [[1,2,3]，4 ，5]和Y是输出命名标签
但X不能把输入以这种形式

clf.fit（X，Y） 它给出的形式的错误下面：意为X可以不以这种形式 阵列取= np.array（array，dtype = dtype，order = order，copy = copy） ValueError：使用序列设置数组元素。

Answer 1

你基本上有两种选择：

1. 您的数据转换为普通格式和运行典型的SVM内核，在你的情况下，如果P1始终是3元，只需压平表示由此[1,2， 3]，4,5]变成[1,2,3,4,5]，你很好走。因为两个内核的总和仍然是一个内核，所以你可以例如定义K（x，y）= K（[p1，p2，p3]），这样就可以实现自己定制的内核函数。 [q1，q2，q3]）：= K1（p1，q1）+ K2（[p2，p3]，[q2，q3]）。现在K1和K2都在正则向量上工作，所以你可以以任意方式定义它们，并且只用它们的和作为你的“联合”内核函数。这种方法比较复杂，但如何定义处理复杂数据的方式，使您有很大的自由度。