错误 - 在 scikit-learn 中为 SVM 使用自定义内核答案

【问题标题】：Error - Using custom kernels for SVM in scikit-learn错误 - 在 scikit-learn 中为 SVM 使用自定义内核
【发布时间】：2014-04-15 07:27:42
【问题描述】：

我使用自己定义的内核函数创建了一个 SVM 实例。当我尝试在创建的模型上运行交叉验证时，我收到以下错误：

ValueError: X 应该是一个方核矩阵
追溯：

分数 = cross_val_score(模型, X, y, cv=10)

文件“C:\Python27\lib\site-packages\scikit_learn-0.14.1-py2.7-win32.egg\sklearn\cross_validation.py”，第 1152 行，在 cross_val_score
对于火车，在 cv 中测试）

调用中的文件“C:\Python27\lib\site-packages\scikit_learn-0.14.1-py2.7-win32.egg\sklearn\externals\joblib\parallel.py”，第 517 行

self.dispatch(function, args, kwargs)

文件“C:\Python27\lib\site-packages\scikit_learn-0.14.1-py2.7-win32.egg\sklearn\externals\joblib\parallel.py”，第 312 行，在调度中

job = ImmediateApply(func, args, kwargs)

init 中的文件“C:\Python27\lib\site-packages\scikit_learn-0.14.1-py2.7-win32.egg\sklearn\externals\joblib\parallel.py”，第 136 行

self.results = func(*args, **kwargs)

文件“C:\Python27\lib\site-packages\scikit_learn-0.14.1-py2.7-win32.egg\sklearn\cross_validation.py”，第 1047 行，在 _cross_val_score

raise ValueError("X 应该是一个方核矩阵")

这是我的代码：

def hist_intersection(x, y):
    return np.sum(np.array([min(xi,yi) for xi,yi in zip(x,y)]))

model = svm.SVC(kernel = hist_intersection)
scores = cross_val_score(model, X, y, cv=10)

【问题讨论】：

标签： python scikit-learn

【解决方案1】：

我快速浏览了一下，SVC 类（和交叉验证工具）似乎都希望内核可调用函数从全数据矩阵一次计算整个内核矩阵（我同意这使得这个功能非常有限）。请查看测试以了解更多详细信息：

https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/svm/tests/test_svm.py#L124

【讨论】：