问支持向量机后的遗传算法

EN

如果你想做特征选择，我想你可以倒着做。在对SVM进行训练之前，您应该运行GA进行特征选择。您的健身功能可以成为一个新培训的支持向量机的性能在选定的特征，这取决于你想要完成什么。不能说你对这个话题很清楚。

要回答你的第二个评论：

有很多部分，我不知道您正在使用的ga函数，但是如果您看一下文档，他们必须告诉您某个地方应该使用哪些参数。我猜这个函数的主要参数是您想要评估适应度的个人。如果您发展了一个功能的选择，这个个体将是一个布尔变量数组，其中true表示被选中的特性，false表示未选择的特性。此适应度函数需要返回一个指示符，指示功能票价的选择情况，即，它必须返回一个较高的数字，以获得更好的选择，而对于最糟糕的选择，则返回较低的数目。预测的准确性可能是一个很好的价值(nb )。正确的预测除以样本总数)。

假设您知道如何计算给定数据集及其标签的SVM模型的预测精度。因为你有一个预先训练过的支持向量机，所以只将它用于选定的特性可能有点棘手，而且它很大程度上取决于支持向量机的实现。如果是线性支持向量机，则只需在数据矩阵中将非选定特征的值设置为零。然而，如果它是一个RBF支持向量机将无法工作。您需要了解所依赖的SVM实现的内部机制。我建议做一个简单的例子，你在3d数据上训练一个支持向量机，然后调整它来处理2d数据。这在很大程度上取决于支持向量机模型的实现。