Sklearn - SVM gewichtete Funktionen

Question

Hallo Ich bin ziemlich neu im maschinellen Lernen mit Scikit-lernen, aber ich habe eine Frage.

Ist es möglich, SVM einige Merkmale meiner Vektordaten mit höherer Wichtigkeit oder Gewicht zu erkennen. Ich weiß nicht, die richtige therm:/

Hier ist Beispiel dafür, was ich will:

Lasst uns sagen, dass wir Haufen vecotrs in 2D-Array haben:

dt = [ 
[x1, y1, z1, q1], 
[x2, y2, z2, q2], 
[x3, y3, z3, q3], 
[x4, y4, z4, q4]] 

und Zieldatenvektor:

Was ich wissen möchte, wie kann ich zum Beispiel alle q Funktionen für jeden der Vektoren in dt wichtiger als der Rest der Funktionen machen.

Ich weiß, wie man Daten nach Sätzen ausgleicht oder sample_weight setzt, aber keiner kann mir mit diesem Problem helfen.

Prost

Answer 1

wenn Sie sklearn.svm.SVC zur Klassifizierung verwenden Sie coef_ atribute des Klassifikator Objekt zugreifen können. Zum Beispiel:

classifier = SVC(C=1.0, kernel='linear', random_state=241) 
classifier.fit(dt, target) 
coef = classifier.coef_ # here the weights of the features will be stored 

http://scikit-learn.org/stable/modules/generated/sklearn.svm.SVC.html - Dokumentation für weitere Details.