SVM LibSVM 在预测时忽略特征 1,3,5

Posted 2023-03-12

【中文标题】SVM LibSVM 在预测时忽略特征 1,3,5

【英文标题】：SVM LibSVM Ignore Feature 1,3,5 when Predicting

【发布时间】：2013-05-02 17:38:28

【问题描述】：

这个问题一般是关于 LibSVM 或 SVM。 我想知道是否可以使用相同的 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 SVM： [特征1 特征2 特征3 特征4 特征5]

现在我想预测一个长度为 5 的测试向量。 如果我收到的概率很低，我现在想检查包含第 2-5 列的测试向量的第一个子集。所以我想关闭 1 功能。

我现在的问题是：是否可以告诉 SVM 仅检查特征 2-5 以进行预测（例如使用权重），还是我必须训练不同的 SVM 模型。一个用于 5 个功能，另一个用于 4 个功能等等......？

提前谢谢...

马库斯

【参考方案1】：

您始终可以通过修改文件从测试点中删除功能，但我强烈建议您不要使用这种方法。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，只需将给定的特征设置为 0 就会隐含地导致它被忽略（尽管您不应该这样做）。当使用其他内核时，这是非常不行的。

使用与用于训练的特征集不同的特征集进行预测并不是一个好方法。

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。

【讨论】：

感谢您的快速回答：

我感兴趣的是，是否有可能告诉 SVM 忽略我的测试数据的第一个列，并根据第 3,4 和 5 列做出决定

LIBSVM 中没有这样的选项。这也没有任何意义，SVM 模型是专门针对一组特征进行训练的。使用用于训练的子集不会产生有用的结果，并且可能会引入严重的偏见。

好的，所以肯定有必要训练不同的模型。感谢您的帮助