Sklearn - 支持向量机加权特征

Question

您好，我是使用 scikit-learn 进行机器学习的新手，但我有一个问题。

是否可以让 svm 识别我的矢量数据中具有更高重要性或权重的某些特征。我不知道正确的温度：/

这是我想要的示例：

假设我们有一堆二维数组中的向量：

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

和目标数据向量：

target = [1,0,0,1]

我想知道如何使 dt 中每个向量的所有 q 个特征比其他特征更重要。

我知道如何按集合平衡数据或设置 sample_weight，但都无法帮助我解决这个问题。

干杯

Answer 1

如果您使用 sklearn.svm.SVC 进行分类，您可以访问分类器对象的 coef_ 属性。例如：

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 - 有关详细信息的文档。