我有两个 numpy 数组(特征)。 numpy 数组的维度是:
audio=(360,13) --->从音频文件中提取特征
image=(360,5)--> 从这些音频文件的频谱图中提取特征。
我想同时使用这两个数组来训练 svm 分类器。但我知道 svm train 只得到一个数组。 (svm.train(特征，标签))。我正在寻找是否有类似 svm.train(audio,image,label) 的东西
我也尝试连接这两个数组，但尺寸不同。我该如何解决这种情况？
请您参考如下方法:
虽然@Saedeas 提供了一个简单的解决方案，但我建议采用稍微不同的方式。
串联对于同质 特征很有用，当数据来自完全不同的模态(如音频 + 视频)时效果不佳。但是，可以使用核函数(SVM 的基础)的简单属性来处理这个问题，即两个核之和是一个核，因此我们可以定义:
K_{audio x video}(x,y) = a K_{video}(x_{video}, y_{video}) +
(1-a) K_{audio}(x_{audio},y_{audio})
所以分别给定每个模态的内核，我们在其之上定义一个联合内核，其中 a 是要调整的超参数 a e [0,1]。
在代码方面，它可能会以与已经建议的类似的方式完成:
# First concat, but only for easier handling
new_data = np.concatenate((audio,image), axis=1)
y = ...
def video_kernel(X, Y):
...
def audio_kernel(X, Y):
...
# now new kernel
def new_kernel(X, Y, a=0.5):
return a*audio_kernel(X[:, :13], Y[:, :13]) + (1-a)*video_kernel(X[:, 13:], Y[:, 13:])
svm = SVC(kernel=new_kernel)
svm.fit(new_data, y)
