Question

我想在由特征p1，p2，p3组成的数据集上训练svm。 p1是向量，p2和p3是我要训练的整数。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]，Y输出名为标签
但是X不能以这种形式输入

clf.fit（X，Y）它给出了以下形式的错误：意味着X不能采用这种形式 array = np.array（array，dtype = dtype，order = order，copy = copy） ValueError：使用序列设置数组元素。

Answer 1

您基本上有两个选择：

将您的数据转换为常规格式并运行典型的SVM内核，在您的情况下，如果p1始终为3元素，则只展平表示，因此[[1,2,3]，4,5]变为[1， 2,3,4,5]你很高兴。
实现自己的自定义内核函数，分别处理每个部分，因为两个内核的总和仍然是内核，例如可以定义K（x，y）= K（[p1，p2，p3] ，[q1，q2，q3]）：= K1（p1，q1）+ K2（[p2，p3]，[q2，q3]）。现在K1和K2都处理常规向量，因此您可以以任意方式定义它们，并将它们的和用作“关节”核函数。这种方法更复杂，但您可以自由地定义处理复杂数据的方式。

Answer 2

这是一个简单的例子

    #include <opencv2/ml.hpp>
    using namespace cv::ml;

        // Set up training data
                int labels[4] = { -1, -1, 1, 1}; //Negative and Positive class
                Mat labelsMat(4, 1, CV_32SC1, labels);

            //training data inputs
                float a1 = 1, a2 = 2; //negative
                float b1 = 2, b2 = 1; //negative
                float c1 = 3, c2 = 4; //positive
                float d1 = 4, d2 = 3; //positive

float trainingData[4][2] = {{ a1, a2 },{ b1, b2 },{ c1, c2 },{ d1, d2 };


Mat trainingDataMat(20, 2, CV_32FC1, trainingData);

    // Set up SVM's parameters
    Ptr<SVM> svm = SVM::create();
    svm->setType(SVM::C_SVC);
    svm->setKernel(SVM::RBF);
    svm->setC(10);
    svm->setGamma(0.01);
    svm->setTermCriteria(TermCriteria(TermCriteria::MAX_ITER, 500, 1e-6));

    // Train the SVM with given parameters
    Ptr<TrainData> td = TrainData::create(trainingDataMat, ROW_SAMPLE, labelsMat);
    svm->train(td);

测试

float   t1 = 2, t2 = 2;
float   testing[1][2] = { { t1,t2 } };
Mat     testData(1, 2, CV_32FC1, testing);
Mat     results;

svm->predict(testData, results);
Mat vec[2];

results.copyTo(vec[0]);
for (int i = 0; i < 2; i++)
{
    cout << vec[i] << endl;
}

如何在多种类型的功能上训练svm

2 个答案: