sklearn svm中的稀疏預計算Gram矩陣？

我想通過一個稀疏的預先計算的克矩陣sklearn.svm.SVC.fit。下面是一些工作代碼：sklearn svm中的稀疏預計算Gram矩陣？

import numpy as np 
from sklearn import svm 
X = np.array([[0, 0], [1, 1]]) 
y = [0, 1] 
clf = svm.SVC(kernel='precomputed') 
gram = np.dot(X, X.T) 
clf.fit(gram, y)

但是，如果我有：

from scipy.sparse import csr_matrix 
sparse_gram = csr_matrix(gram) 
clf.fit(sparse_gram, y)

我得到：

Traceback (most recent call last): 
    File "<stdin>", line 1, in <module> 
    File "/usr/local/lib/python2.7/dist-packages/sklearn/svm/base.py", line 191, in fit 
    fit(X, y, sample_weight, solver_type, kernel) 
    File "/usr/local/lib/python2.7/dist-packages/sklearn/svm/base.py", line 235, in _dense_fit 
    max_iter=self.max_iter) 
TypeError: Argument 'X' has incorrect type (expected numpy.ndarray, got csr_matrix)

我在_dense_fit功能最終的事實（見的地方說行上面的235）讓我覺得我需要做一些特別的事情來說明如何使用稀疏矩陣。但我不知道該怎麼做。

更新：我剛剛檢查了代號爲擬合函數（https://sourcegraph.com/github.com/scikit-learn/scikit-learn/symbols/python/sklearn/svm/base/BaseLibSVM/fit），現在我更糊塗了：

self._sparse = sp.isspmatrix(X) and not self._pairwise 

    if self._sparse and self._pairwise: 
     raise ValueError("Sparse precomputed kernels are not supported. " 
         "Using sparse data and dense kernels is possible " 
         "by not using the ``sparse`` parameter")

所以我想，因爲它說，「疏影預計算的內核不支持」和這確實是我想要做的，所以我可能不幸運。（這是一個錯誤，雖然我沒有真正看到這個錯誤？）

來源

2014-02-07 stackoverflax

所以我可能運氣不好。

是的。對於那個很抱歉。

這是一個錯誤，雖然我沒有看到實際的錯誤嗎？

是的，它是：發佈的代碼設置

self._sparse = sp.isspmatrix(X) and not self._pairwise

，然後檢查

self._sparse and self._pairwise

提高例外。這種情況是不可能實現的。我只是推了一個patch來解決這個問題，謝謝報告。

來源

2014-02-08 11:54:28

sklearn svm中的稀疏預計算Gram矩陣？

回答

相關問題