如何使用scikitlearn的以直方图为特征的支持向量机？

Question

我希望使用scikitlearn的支持向量机和卡平方核，如图here。在这个场景中，内核在柱状图上，这就是我的数据所表示的。然而，我找不到一个与柱状图一起使用的例子。正确的方法是什么？在

将直方图视为一个向量，其中向量中的每个元素对应于直方图的一个bin，这是正确的方法吗？在

提前谢谢你

Answer 1

sklearn.svm.SVC接受自定义内核有两种方式：

• 作为kernel参数传递给构造函数的任意python函数
• 预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

前者可能要慢得多，但不需要预先分配整个内核矩阵（这对于大的n_samples来说可能是禁止的）。在

更多详细信息和指向the documentation on custom kernels中示例的链接。在

Answer 2

有一个使用近似特征映射here的示例。它是针对RBF核的，但它的工作原理是一样的。在

上面的例子使用了“pipeline”，但是您也可以在将数据交给线性类化器之前对数据应用转换，因为AdditiveChi2Sampler实际上并没有{}以任何方式对数据进行处理。在

请记住，这只是内核映射的近似值（我发现它工作得很好），如果您想使用精确的内核，应该使用ogrisel的anwser。在