我想在包含特征p1、p2和p3的数据集上训练SVM。p1是一个向量，p2和p3是整数，我希望对它们进行训练。例如，p1=[1,2,3]，p2=4，p3=5，X=[p1, p2, p3]，但p1本身是一个向量，因此X=[[1, 2, 3], 4, 5]，Y是名为label的输出
但X不能以这种形式输入
clf.fit(X,Y) 会引发如下形式的错误：这意味着X不能以这种形式输入 array = np.array(array, dtype=dtype, order=order, copy=copy)ValueError: setting an array element with a sequence.
回答：
你基本上有两个选择：
-
将你的数据转换为常规格式并运行典型的SVM核函数，在你的情况下，如果p1总是3个元素，只需将其展平表示，因此[[1,2,3],4,5]变为[1,2,3,4,5]，你就可以继续进行训练了。
-
实现你自己的自定义核函数，该函数分别处理每个部分，因为两个核函数的和仍然是一个核函数，你可以例如定义K(x, y) = K([p1, p2, p3], [q1, q2, q3]) := K1(p1, q1) + K2([p2,p3], [q2,q3])。现在K1和K2都可以在常规向量上工作，因此你可以以任意方式定义它们，并使用它们的和作为你的“联合”核函数。这种方法更为复杂，但给你在处理复杂数据的方式上提供了更多的自由度。
