Merhaba Makine öğreniminde scikit-learning ile oldukça yeni ama bir sorum var.Sklearn - svm ağırlıklı özellikler
Svm, vektör verilerimin bazı özelliklerini daha yüksek önem veya ağırlıkla tanımak mümkün mü?/İşte
ne istiyorum örnektir:: Doğru therm bilmiyorum
en biz 2d dizide vecotrs grup var diyelim:
dt = [
[x1, y1, z1, q1],
[x2, y2, z2, q2],
[x3, y3, z3, q3],
[x4, y4, z4, q4]]
Ve hedef veri vektör:
Neyi bilmek istediğim, örneğin, her bir vektörün dt'deki tüm özellikleri, diğer özelliklerden daha önemli.
Verileri ayarlarla nasıl ayarlayacağımı veya sample_weight öğesini ayarlamayı biliyorum, ancak bu sorunla ilgili bana yardımcı olamaz.
Alkış
Şimdi anladığım kadarıyla, ağırlık özelliklerini temsil eden verilere nasıl erişilir, ancak bunları değiştirebileceğim bir yol var. Belgeler, bu coef_'ın salt okunur bir özellik olduğunu açıkça belirtir. Sınıflandırıcımın bazı özelliklerini zorla daha önemli bir şekilde almasını istiyorum. – Domagoj
Kütüphane kullanmadan sadece bir varsayımı ifade edebilirim. SVM - doğrusal bir yöntemdir ve özellik ölçeklerine duyarlıdır. StandartScaler'ı (http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.StandardScaler.html) tek bir sınıfa sığdırmak için kullanabilirsiniz (gerekli değil, ancak bazen sizin verimliliğinizi önemli ölçüde artırabilir). algoritması). Daha sonra egzersiz verilerinizi önceden kendiniz işleyebilir ve kefir <1 ile önemli görmediğiniz tüm özellikleri ölçekleyebilirsiniz (bu ölçeklemeyi test kümesine veya \ ve gerçek verilere uygulamak için kaydetmeyi unutmayın). Daha fazla deneyime ihtiyacın var :) – mrEvgenX
Teşekkürler Bu yaklaşımı deneyeceğim – Domagoj