使用 Python 的字符串子序列内核和 SVM答案

【问题标题】：String Subsequence Kernel and SVM using Python使用 Python 的字符串子序列内核和 SVM
【发布时间】：2014-03-07 16:02:12
【问题描述】：

如何使用子序列字符串内核 (SSK) [Lodhi 2002] 在 Python 中训练 SVM（支持向量机）？

【问题讨论】：

标签： python machine-learning svm supervised-learning

【解决方案1】：

我找到了使用 Shogun Library 的解决方案。您必须从提交 0891f5a38bcb 安装它，因为以后的修订会错误地删除所需的类。

这是一个工作示例：

from shogun.Features import *
from shogun.Kernel import *
from shogun.Classifier import *
from shogun.Evaluation import *
from modshogun import StringCharFeatures, RAWBYTE
from shogun.Kernel import SSKStringKernel


strings = ['cat', 'doom', 'car', 'boom']
test = ['bat', 'soon']

train_labels  = numpy.array([1, -1, 1, -1])
test_labels = numpy.array([1, -1])

features = StringCharFeatures(strings, RAWBYTE)
test_features = StringCharFeatures(test, RAWBYTE)

# 1 is n and 0.5 is lambda as described in Lodhi 2002
sk = SSKStringKernel(features, features, 1, 0.5)

# Train the Support Vector Machine
labels = BinaryLabels(train_labels)
C = 1.0
svm = LibSVM(C, sk, labels)
svm.train()

# Prediction
predicted_labels = svm.apply(test_features).get_labels()
print predicted_labels

【讨论】：

【解决方案2】：

最近，字符串子序列内核 (SSK) [Lodhi.等。 al., 2002] 已添加到Shogun Machine Learning toolbox 中，可用于包括 Python 在内的所有模块化接口。您可以找到一个使用此内核解决 DNA 分类问题的工作示例here，使用 LibSVM。

【讨论】：

我已经能够运行此示例，但是当尝试使用更改 n 参数和衰减参数的其他数据运行时，我总是从经过训练的 SVM 获得相同的准确度。这怎么可能？

【解决方案3】：

这是对gcedo's answer 的更新，可与当前版本的 shogun (Shogun 6.1.3) 一起使用。

工作示例：

import numpy as np
from shogun import StringCharFeatures, RAWBYTE
from shogun import BinaryLabels
from shogun import SubsequenceStringKernel
from shogun import LibSVM

strings = ['cat', 'doom', 'car', 'boom','caboom','cartoon','cart']
test = ['bat', 'soon', 'it is your doom', 'i love your cat cart','i love loonytoons']

train_labels  = np.array([1, -1, 1, -1,-1,-1,1])
test_labels = np.array([1, -1, -1, 1])

features = StringCharFeatures(strings, RAWBYTE)
test_features = StringCharFeatures(test, RAWBYTE)

# 1 is n and 0.5 is lambda as described in Lodhi 2002
sk = SubsequenceStringKernel(features, features, 3, 0.5)

# Train the Support Vector Machine
labels = BinaryLabels(train_labels)
C = 1.0
svm = LibSVM(C, sk, labels)
svm.train()

# Prediction
predicted_labels = svm.apply(test_features).get_labels()
print(predicted_labels)

【讨论】：

【解决方案4】：

为了将来参考，当前版本的 Shogun (3.2.0) 中的内核名称为 StringSubsequenceKernel。

来源：https://code.google.com/p/shogun-toolbox/source/browse/src/shogun/kernel/string/StringSubsequenceKernel.h

【讨论】：