machine-learning - 关系型 Fisher 内核实现

标签 machine-learning

我正在阅读Relational Fisher Kernel上的论文其中涉及贝叶斯逻辑程序计算 Fisher 分数,然后使用 SVM 获取每个数据项的类标签。

我没有很强的机器学习背景。有人可以让我知道如何实现端到端关系费舍尔内核以及它期望什么样的输入吗?我找不到任何简单的分步流程来显示此实现。我可以使用 SVM 等库(例如 libsvm),但我想了解端到端流程(使用尽可能简单的语言)。任何帮助将不胜感激。

最佳答案

libsvm没有实现 Relation Fisher Kernel,但是,您可以按照本文所述计算 Fisher 信息矩阵,并将其用作 libsvm 的预计算内核输入。 。请参阅:using precomputed kernels with libsvm

关于machine-learning - 关系型 Fisher 内核实现,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/8238687/

相关文章:

python - 如何在测试集中找到错误的预测案例(使用 Keras 的 CNN)

python - 不使用keras后端库的自定义损失函数

python - 文档及其结构的聚类

machine-learning - 为什么主成分在最大方差的方向?

r - R 中的提升树和变量交互

python - 为什么 sklearn 的套索系数不等于线性回归系数?

python - Keras 中的有状态 LSTM 中一批样本之间的状态是否保留?

python - 如何从 Skit-learn DecisionTreeClassifier 获取二叉树数组

python - 值错误: Chunks and shape must be of the same length/dimension

azure - 命名实体识别 - 我们是否需要外部列表来匹配结果?