在 RBF 支持向量机中训练和预测

Posted 2023-03-13

【中文标题】在 RBF 支持向量机中训练和预测

【英文标题】：train and predict in RBF Support Vector Machine

【发布时间】：2018-07-31 09:46:47

【问题描述】：

我正在尝试在我的训练和测试数据集上运行 SVM RBF 回归。

[svm = SVC(kernel='rbf', random_state=0 , C=C, gamma=0.9)
  svm.fit(NewX , NewY)]

火车步骤没有任何问题。然而，在预测步骤svm.predict 它给了我这个错误

"ValueError: 所有输入数组维度，除了 连接轴必须完全匹配”

调用预测方法：

[Z = svm.predict(np.c_[NX_Test.ravel(),NY_Test.ravel()])
    Z = Z.reshape(NX_Test.shape)]

数据格式：

我的训练数据集是一个包含 80 个输入示例的列表，其中每个示例是 100 个样本的信号）

我的测试数据是一个包含 20 个输入示例的列表，其中每个示例也是一个由 100 个样本组成的信号）

https://pythonspot.com/support-vector-machine/

【问题讨论】：

请阅读“How to Ask”，然后阅读edit 你的问题，以便清楚你做了什么，你想做什么，以及发生了什么。另外，请确保您的帖子包含实际的问题。

请定义"does not work"。您可以发布完整的错误跟踪吗？拥有一个可重复的小样本数据集也很有帮助......

【参考方案1】：

您是否检查了所有训练样本的尺寸是否匹配？

SVM 需要样本（特征向量）具有相同的维度。 考虑 libSVM 格式的以下特征向量：

1:0.2 2:0.4 3:1.0 4:0.07 5:0.3

第一个值表示索引和第二个关联值。该向量的维度为5，因此，所有其他特征向量都必须与该维度匹配才能进行训练。训练后，您要预测的向量也必须与该维度完全匹配。因此，请验证是否满足此约束。