SVM后的遗传算法

Question

我已经应用了LIBSVM的SVM。现在我想要实现遗传算法进行特征选择。试图谷歌的一些信息

1）看到这个网站：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

对他们

Q1几个问题）[X FVAL] =ガ（@fitnessfun，nvars，选项）。这是做加索尔的功能。健身运动应该怎样？在大多数ga中，它是一个多项式函数。但是在SVM的情况下，健身运动应该是什么？ Q2）在SVM之后，遗传算法是否有任何具体的例子？

想听听一些反馈。

在此先感谢。

Answer 1

如果你想做功能选择，我认为你有它倒退。您应该在之前运行GA以获取特征选择对SVM的培训。您的健身功能可能会成为新训练的SVM在选定功能上的表现，这取决于您想要完成的功能。不能说你对这个话题非常清楚。

要回答你的第二个评论：

有很多地方，我不知道你正在使用此ga函数，但如果你看看文档，他们必须某处告诉你这个参数应该fitnessfun期待。我猜想你想评估适应度的个体是这个功能的主要参数。如果您演变了一系列功能，则此人将成为布尔变量数组，其中true表示选定的功能，false表示未选择的功能。这个适应度函数需要返回这个特征选择的好坏指标，即它必须返回一个更高的数字才能获得更好的选择，而更低的数字则会得到最差的选择。对于这个预测精度可能是一个很好的数值（nb。正确预测除以样本总数）。

我打算假设您知道如何计算给定数据集及其标签的SVM模型的预测精度。由于您有预先训练好的SVM，因此仅将它用于选定的功能可能有点棘手，并且它强烈依赖于SVM的实施。如果它是线性SVM，则可以将数据矩阵中的未选特征的值设置为零。但是，如果它是RBF SVM，将无法工作。您需要了解您所依赖的SVM实施的内部机制。我建议做一个简单的例子，在这里你可以训练一个支持3D数据的SVM，然后使其适应2D数据。它强烈依赖于SVM模型的实现。