2つのクラスの間でいくつかの値を分類する必要があります。 トレーニングセットとして使用できる約30の値があり、各値には10の異なるディメンションがあります。 libSVM(Pythonで)を使用していますが、かなりうまく機能しているようです。LibSVMモデルの解釈
私は、いくつかの次元が分類プロセスの他のものよりも「重要」であると考えているので、libSVMによって計算されたモデルにも解釈を与えようとしています。
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)
Xリストの要素の第2次元は、このデータセットを分類することが無用であることは明らかである:
はたとえば、次の例を考えてみましょう。
私の質問は:
はLIBSVMにより生成されたモデルを分析する状況これらの種類を検出するための任意の体系的な方法はありますか?