LibSVM模型解釋

Question

我需要對兩個類之間的某些值進行分類。 我有大約30個值可以用作訓練集，每個值有10個不同的維度。 我正在使用libSVM（在Python中），它似乎很好地工作。

我正在嘗試給libSVM計算的模型提供解釋，因爲我認爲在分類過程中某些維度比其他維度更「重要」。

例如，考慮下面的例子：

y, x = [1,1,1,-1,-1,-1],[[1,-1],[1,0],[1,1],[-1,-1],[-1,0],[-1,1]] 
prob = svm_problem(y, x) 
param = svm_parameter() 
param.kernel_type = LINEAR 
param.C = 10 
m = svm_train(prob, param) 
svm_save_model('model_file', m) 

顯然，X列表的元素的第二個維度是沒用的，這個數據集進行分類。

我的問題是：

有沒有檢測到這些類型的分析由LIBSVM生成的模型情況下，任何系統的方式？

Answer 1

有點晚，但：

這是你的責任，以檢查是否存在某種功能重要與否 - 所以你必須手動他們滿足自己的需求選擇自己的特點。 SVM試圖通過放入的功能獲得最佳結果 - 僅僅因爲選擇會變得更清楚（但可能更多錯誤），忽略給定的數據也沒什麼意義。

只有你可以知道哪些功能是好的，哪些不是。你必須通過手/大腦找到他們。