Я хочу использовать настроенную функцию ядра в Epsilon-Support Vector Regression модуле Sklearn.svm.Я нашел этот код в качестве примера для настроенного ядра для svc на в документации scilit-learn :
import numpy as np
import matplotlib.pyplot as plt
from sklearn import svm, datasets
# import some data to play with
iris = datasets.load_iris()
X = iris.data[:, :2] # we only take the first two features. We could
# avoid this ugly slicing by using a two-dim dataset
Y = iris.target
def my_kernel(X, Y):
"""
We create a custom kernel:
(2 0)
k(X, Y) = X ( ) Y.T
(0 1)
"""
M = np.array([[2, 0], [0, 1.0]])
return np.dot(np.dot(X, M), Y.T)
h = .02 # step size in the mesh
# we create an instance of SVM and fit out data.
clf = svm.SVC(kernel=my_kernel)
clf.fit(X, Y)
# Plot the decision boundary. For that, we will assign a color to each
# point in the mesh [x_min, x_max]x[y_min, y_max].
x_min, x_max = X[:, 0].min() - 1, X[:, 0].max() + 1
y_min, y_max = X[:, 1].min() - 1, X[:, 1].max() + 1
xx, yy = np.meshgrid(np.arange(x_min, x_max, h), np.arange(y_min, y_max, h))
Z = clf.predict(np.c_[xx.ravel(), yy.ravel()])
# Put the result into a color plot
Z = Z.reshape(xx.shape)
plt.pcolormesh(xx, yy, Z, cmap=plt.cm.Paired)
# Plot also the training points
plt.scatter(X[:, 0], X[:, 1], c=Y, cmap=plt.cm.Paired, edgecolors='k')
plt.title('3-Class classification using Support Vector Machine with custom'
' kernel')
plt.axis('tight')
plt.show()
Я хочу определить некоторые функции, такие как:
def my_new_kernel(X):
a,b,c = (random.randint(0,100) for _ in range(3))
# imagine f1,f2,f3 are functions like sin(x), cos(x), ...
ans = a*f1(X) + b*f2(X) + c*f3(X)
return ans
Что я думал о методе ядра , так это о том, что это функция, которая получает матрицу признаков (X) в качестве входных данных и возвращает матрицу формы (n, 1).Затем svm добавляет возвращенную матрицу к столбцам объектов и использует ее для классификации меток Y.
* 1029.* В приведенном выше коде ядро используется в функции
svm.fit, и я не могу понять
, что такое X и Y входные данные ядра и их формы .если
X и
Y (входные данные метода
my_kernel) являются функциями и меткой набора данных, то как же тогда ядро работает с тестовыми данными, где у нас нет меток?
На самом деле я хочуиспользуйте svm для набора данных с формой (10000, 6), (5 столбцов = объекты, 1 столбец = метка), а затем, если я хочу использовать метод my_new_kernel, какие будут входные и выходные данные и их формы.