如何使用直方图作为特征的scikit-learn的SVM？

Question

我希望将scikit-learn的SVM与卡方内核一起使用，如here所示。在这种情况下，内核是直方图，这是我的数据表示。但是，我找不到这些与直方图一起使用的例子。这样做的正确方法是什么？

将直方图视为向量的正确方法是，向量中的每个元素都对应于直方图的bin？

提前谢谢

Answer 1

有一个使用近似特征映射here的示例。它适用于RBF内核，但它的工作原理相同。

上面的示例使用“管道”，但您也可以在将数据转换为线性分类器之前将转换应用于数据，因为AdditiveChi2Sampler实际上不会以任何方式fit对数据进行{{1}}

请记住，这只是内核映射的近似（我发现它运行得很好），如果你想使用确切的内核，你应该使用ogrisel的anwser。

Answer 2

sklearn.svm.SVC以两种方式接受自定义内核：

• 任意python函数作为kernel参数传递给构造函数
• 预先计算的内核矩阵作为第一个参数传递给构造函数中的fit和kernel=precomputed

前者可能要慢很多，但不需要提前分配整个内核矩阵（这对于大n_samples来说可能是禁止的。）

更多详细信息和the documentation on custom kernels中的示例链接。