使用多个特征的支持向量机 (SVM) 训练答案

【问题标题】：Suport Vector machine (SVM) training using multiple features使用多个特征的支持向量机 (SVM) 训练
【发布时间】：2016-12-02 04:21:34
【问题描述】：

我正在尝试使用从 GPS 中提取的点数据集来训练我的 svm 算法。我的数据实例（例如 x1、x2、x3、... xn）具有一组属性（速度、坐标等）。我将两个数据实例（点）之间的线视为一个片段，并且我正在尝试使用多个特征（属性）和移动顺序来训练我的算法。考虑到我将数据保存在 CSV 文件中，我想做的是：

1st row: x1(speed, lon, lat), x2(speed,lon, lat), x3(speed,lon, lat)
2nd row:x2, x3, x4
3rd row: x3, x4, x5

等等。

通过这样做，我将训练我的算法来学习序列，这就是我正在尝试做的事情。我的问题是；我将如何以序列的形式训练它？以及这个序列如何包含多个特征？

我热衷于使用 R 或 Python，尽管我更熟悉 R。据我所知 Python 中的 sklearn 库也可能有用，但我不明白培训的形式set 必须训练 svm。任何帮助将非常感激。谢谢

【问题讨论】：

SVM 是一种分类器——它学习从特征向量x 到标签向量y 的映射。在这种情况下，您试图预测的标签是什么？ “学习序列”究竟是什么意思？
嗨 ali_m，感谢您的回复。标签实际上是 1 或 0。我想做的是研究关于这些 GPS 点的行为。所以认为 1 是正常行为，0 是异常行为。但是可能有一个异常的子序列，而不是整个事件序列本身。这就是我尝试这样做的原因。

标签： python r svm

【解决方案1】：

在阅读了您对 ali_m 的描述后，您为什么选择 SVM？可以使用 SVM（监督学习）的替代方法，使用“异常检测”（无监督学习），在您的情况下异常将是异常，您可以改变阈值并使用它。

【讨论】：

路易斯您好，感谢您的回复。我不太确定如何通过无监督学习来做到这一点。这是我在 ML 和异常检测方面的第一个项目，这也是我选择 SVM 的原因（我不必开发新功能）。不过，我必须找到一种方法来模拟我之前提到的子序列中的异常，这是我唯一想到的。如果您能对此提供帮助，将不胜感激。谢谢
我没有完全理解你的问题，你能分享一个例子，说明你的数据在你的训练集中是如何组织的，以及你试图预测新例子的价值是什么？
嗨，路易斯。我想以一种可以读取片段的方式训练我的算法。我希望每条学习线都是“连续的”。这样，算法学习数据的方式就会有一个“滑动窗口”，我将能够提取每个段中的异常。不过我不确定这是否清楚。
我还没有创建训练集。我想做的是用我的变量（速度、坐标等）训练算法，并使用正常/异常等标签。通过按照我的想法训练算法，我最终会为每一行获得新的标签。或者至少，我是这么认为的。
哦，我想也许你在混合想法和技术，我的 cmets 根据你的回答将是： - 如果你没有训练集，你就无法训练 SVM