这个问题一般是关于LibSVM或SVM的。 我想知道是否可以使用相同的SVM模型对不同长度的特征向量进行分类。
假设我们使用以下特征向量的大约1000个实例训练SVM： [feature1 feature2 feature3 feature4 feature5]
现在我想预测一个长度相同的测试向量5。 如果我收到的概率很差，我现在想检查包含2-5列的测试向量的第一个子集。所以我想解雇1个功能。
我现在的问题是：是否可以告诉SVM仅检查功能2-5以进行预测（例如，使用权重），或者是否必须训练不同的SVM模型。一个用于5个功能，另一个用于4个功能，等等......？
提前致谢...
马库斯
答案 0 :(得分：0)
您可以随时通过摆弄文件来删除测试点中的功能，但强烈建议您不要使用此类方法。当所有要素都存在时，SVM模型有效。如果您正在使用线性内核，只需将给定特征设置为0将隐式地使其被忽略（尽管您不应该这样做）。当使用其他内核时，这非常不可以。
使用一组不同的预测功能而不是用于训练的集合不是一个好方法。
我强烈建议为您希望在预测中使用的要素子集训练新模型。