python-3.x - 不同特征的不同内核 - scikit-learn SVM

Question

我正在尝试使用 sklearn.svm.SVC 构建分类器，但我想在不同的特征子集上分别训练内核以更好地表示特征空间(如所述 here ) .

我已阅读用户指南 page我知道我可以创建由单个内核总和组成的内核，或者将预先计算好的内核输入 SVC(kernel = 'precomputed')，但我不明白如何将不同的内核应用于不同的功能？有没有办法在 sklearn 中实现这个？

我找到了一种在 sklearn ( https://scikit-learn.org/stable/modules/gaussian_process.html#gp-kernels ) 中计算内核的方法，因此我可以分别计算每个集合的内核。然而，一旦我输出了距离矩阵，我就不确定我将如何使用它来训练 SVM。

我是否必须像这样创建自定义内核:

if feature == condition1:
   use kernel X
else:
   use kernel Y

并将其添加到 SVM？

或者我可以为此使用任何其他 python 库吗？

Answer 1

你指的是 Multiple Kernel Learning (MKL) 的问题。您可以在其中为不同的功能组训练不同的内核。我在多模态案例中使用了它，我想要不同的图像和文本内核。

我不确定您是否真的可以通过 scikit-learn 做到这一点。

GitHub上提供了一些库，比如这个:https://github.com/IvanoLauriola/MKLpy 1

希望它能帮助您实现目标。