是否可以使用 SVM 来学习输入“特征矩阵”而不是“特征向量”的训练样本？答案

【问题标题】：Is it possible to use SVM to learn a training sample with an input of "Feature Matrix" rather than a "Feature Vector"?是否可以使用 SVM 来学习输入“特征矩阵”而不是“特征向量”的训练样本？
【发布时间】：2013-02-05 02:18:47
【问题描述】：

是否可以使用 SVM 来学习输入为“特征矩阵”而不是“特征向量”的训练样本？我需要通过将每个文档表示为特征矩阵来对 XML 文档进行分类。通常，特征向量用于训练 SVM 进行文本分类。但是，将 XML 文档表示为特征向量可能会导致结构信息丢失！

提前致谢！

【问题讨论】：

标签： xml classification svm document-classification feature-selection

【解决方案1】：

标准做法是通过“光栅化”矩阵来创建“长向量”。

最终，SVM 解析为线或超平面，而不是多边形。

【讨论】：

听起来很合理！谢谢:)