scikit-learn 中自定义内核 SVM 的交叉验证答案

【问题标题】：Cross validation for custom kernel SVM in scikit-learnscikit-learn 中自定义内核 SVM 的交叉验证
【发布时间】：2015-09-29 21:15:16
【问题描述】：

我想通过交叉验证使用 scikit-learn 对自定义内核 SVM 进行网格搜索。更准确地关注this example 我想定义一个像

这样的核函数

def my_kernel(x, y):
"""
We create a custom kernel:
k(x, y) = x * M *y.T          
"""
return np.dot(np.dot(x, M), y.T)

其中 M 是内核的一个参数（如高斯内核中的 gamma）。

我想通过GridSearchCV 提供这个参数 M，类似于

parameters = {'kernel':('my_kernel'), 'C':[1, 10], 'M':[M1,M2]}
svr = svm.SVC()
clf = grid_search.GridSearchCV(svr, parameters)

所以我的问题是：如何定义 my_kernel 以便 M 变量将由 GridSearchCV 给出？

【问题讨论】：

标签： scikit-learn svm cross-validation

【解决方案1】：

您可能需要创建一个包装类。比如：

class MySVC(BaseEstimator,ClassifierMixin):
    def __init__( self, 
              # all the SVC attributes
              M ):
         self.M = M
         # etc...

    def fit( self, X, y ):
         kernel = lambda x,y : np.dot(np.dot(x,M),y.T)
         self.svc_ = SVC( kernel=kernel, # the other parameters )
         return self.svc_.fit( X, y )
    def predict( self, X ):
         return self.svc_.predict( X )
    # et cetera

【讨论】：