Обучение с использованием векторной машины Supert (SVM) с использованием нескольких функций

Я пытаюсь подготовить свой алгоритм svm с помощью точечного набора данных, извлеченного из GPS. Мои экземпляры данных (например, x1, x2, x3, ... xn) имеют набор атрибутов (скорость, координаты и т. Д.). Я рассматриваю линию между двумя экземплярами данных (точками) как сегмент, и я пытаюсь подготовить свой алгоритм, используя несколько функций (атрибутов) и с движущимся порядком. Учитывая, что у меня есть данные в CSV-файле, я пытаюсь сделать следующее:Обучение с использованием векторной машины Supert (SVM) с использованием нескольких функций

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

и так далее.

Делая это, я буду обучать свой алгоритм, чтобы изучать последовательности, и это то, что я пытаюсь сделать. Мой вопрос: Как я буду обучать его в форме последовательности? и как эта последовательность будет включать более чем одну функцию?

Я очень хочу использовать R или Python, хотя я больше знаком с R. Насколько я знаю, библиотека sklearn в Python может быть полезна также, но я не понимаю форму, тренировочный комплект должен быть обучен svm. Любая помощь будет высоко оценена. Thanks

источник

2016-07-28 Alex

SVM - это тип классификатора - он изучает отображение из вектора признаков 'x' в вектор меток' y'. Каковы метки, которые вы пытаетесь предсказать в этом случае? Что именно вы подразумеваете под * «learn sequence» *? –

Привет, ali_m, благодарю вас за ответ. Этикетки будут на самом деле 1 или 0. То, что я хочу сделать, это изучение поведения в отношении этих точек GPS. Поэтому рассмотрим, что 1 будет нормальным поведением, а 0 - ненормальным. Но может существовать подпоследовательность, которая может быть ненормальной, а не всей последовательностью событий. Вот почему я пытаюсь это сделать. – Alex

после прочтения чтения описания, которое вы дали ali_m, почему вы выбрали SVM? Альтернативой может быть использование SVM (контролируемое обучение), использование «обнаружения аномалий» (неконтролируемое обучение), где аномалия в вашем случае будет аномалией, и вы можете изменить порог и играть с ним.

источник

2016-07-28 03:50:02

Привет Луис и спасибо за ответ. Я не очень уверен, как это сделать с неконтролируемым обучением. Это мой первый проект в ML и обнаружение аномалий, и именно по этой причине я выбрал SVM (мне не нужно разрабатывать новые функции). Хотя, я должен найти способ моделирования аномалии в подпоследовательности, о которой я упоминал ранее, и это было единственное, что имело место. Если бы вы могли помочь с этим, это было бы очень признательно. Спасибо – Alex

Я не полностью отказался от вашей проблемы, можете ли вы поделиться примером того, как ваши данные организованы в вашем учебном наборе и каково значение, которое вы пытаетесь предсказать на новых примерах? –

HI Luis. Я хочу подготовить свой алгоритм так, чтобы он читал сегменты. Я хочу, чтобы каждая учебная строка была «непрерывной». таким образом, будет «скользящее окно» в способе, которым алгоритм узнает данные, и я смогу извлечь аномалии в каждом сегменте. Я не уверен, что это понятно. – Alex

Обучение с использованием векторной машины Supert (SVM) с использованием нескольких функций

ответ

Смежные вопросы