支持向量机LibSVM在预测时忽略特征1,3,5
支持向量机LibSVM在预测时忽略特征1,3,5
提问于 2013-05-08 21:06:44
这个问题是关于LibSVM或SVM的。我想知道是否有可能用相同的SVM模型对不同长度的特征向量进行分类。
假设我们用以下特征向量的大约1000个实例训练支持向量机: feature1 feature2 feature3 feature4 feature5
现在我想预测一个相同长度为5的测试向量。如果我收到的概率太低，我现在想检查包含第2-5列的测试向量的第一个子集。因此，我想取消1的功能。
我现在的问题是:是否可以告诉SVM只检查特征2-5进行预测(例如，使用权重)，或者我是否必须训练不同的SVM模型。一个对应5个特性，另一个对应4个特性，依此类推...？
先谢谢你...
马库斯
回答 1
Stack Overflow用户
回答已采纳
发布于 2013-05-08 21:09:26
您总是可以通过摆弄文件来删除测试点中的特性，但我强烈建议不要使用这种方法。当所有特征都存在时，SVM模型是有效的。如果您使用的是线性内核，简单地将给定特征设置为0将隐式地导致它被忽略(尽管您不应该这样做)。当使用其他内核时，这在很大程度上是不可能的。
使用与用于训练的特征集不同的一组特征进行预测并不是一种好的方法。
我强烈建议为您希望在预测中使用的特征子集训练一个新模型。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/16441549
复制相关文章
相似问题
腾讯云开发者
