Строковое подпоследовательность Ядро и SVM с использованием Python

Question

Как я могу использовать Строковое Ядро Подпоследовательности (SSK) [Lodhi 2002] для обучения SVM (Машина опорных векторов) в Python?

Answer 1

Это обновление к ответу gcedo для работы с текущей версией сёгуна (Shogun 6.1.3).

Рабочий пример:

import numpy as np
from shogun import StringCharFeatures, RAWBYTE
from shogun import BinaryLabels
from shogun import SubsequenceStringKernel
from shogun import LibSVM

strings = ['cat', 'doom', 'car', 'boom','caboom','cartoon','cart']
test = ['bat', 'soon', 'it is your doom', 'i love your cat cart','i love loonytoons']

train_labels  = np.array([1, -1, 1, -1,-1,-1,1])
test_labels = np.array([1, -1, -1, 1])

features = StringCharFeatures(strings, RAWBYTE)
test_features = StringCharFeatures(test, RAWBYTE)

# 1 is n and 0.5 is lambda as described in Lodhi 2002
sk = SubsequenceStringKernel(features, features, 3, 0.5)

# Train the Support Vector Machine
labels = BinaryLabels(train_labels)
C = 1.0
svm = LibSVM(C, sk, labels)
svm.train()

# Prediction
predicted_labels = svm.apply(test_features).get_labels()
print(predicted_labels)

Answer 2

Я пришел к решению с помощью библиотеки сёгуна. Вы должны установить его из коммита 0891f5a38bcb, так как более поздние ревизии будут ошибочно удалять необходимые классы.

Это рабочий пример:

from shogun.Features import *
from shogun.Kernel import *
from shogun.Classifier import *
from shogun.Evaluation import *
from modshogun import StringCharFeatures, RAWBYTE
from shogun.Kernel import SSKStringKernel


strings = ['cat', 'doom', 'car', 'boom']
test = ['bat', 'soon']

train_labels  = numpy.array([1, -1, 1, -1])
test_labels = numpy.array([1, -1])

features = StringCharFeatures(strings, RAWBYTE)
test_features = StringCharFeatures(test, RAWBYTE)

# 1 is n and 0.5 is lambda as described in Lodhi 2002
sk = SSKStringKernel(features, features, 1, 0.5)

# Train the Support Vector Machine
labels = BinaryLabels(train_labels)
C = 1.0
svm = LibSVM(C, sk, labels)
svm.train()

# Prediction
predicted_labels = svm.apply(test_features).get_labels()
print predicted_labels

Answer 3

Недавно, Строковое Ядро Последовательности (SSK) [Lodhi. и др. al., 2002] был добавлен в набор инструментов Shogun Machine Learning и доступен для использования во всех модульных интерфейсах, включая Python. Вы можете найти рабочий пример использования этого ядра для задачи классификации ДНК здесь, используя LibSVM.

Answer 4

Для дальнейшего использования имя ядра в текущей версии Shogun (3.2.0) - StringSubsequenceKernel.

Источник: https://code.google.com/p/shogun-toolbox/source/browse/src/shogun/kernel/string/StringSubsequenceKernel.h