我正在尝试不同类型的非线性内核,并试图解释学习模型,这引出了以下问题:是否有一种通用的方法来获得非线性支持向量机的原始权重类似于线性SVM是否可行(参见相关问题)？
我说,你有三个特点a,b,c和所有的子集/多项式内核生成的模型.有没有办法提取这些子集的原始权重,例如,a * b和a^2？
我已经尝试扩展线性内核的方法,您可以在其中为以下示例生成输出:
a, b, c
[0, 0, 0]
[1, 0, 0]
[0, 1, 0]
[0, 0, 1]
如果我对all-subsets内核使用相同的方法,我可以生成更多的样本:
a, b, c
[1, 1, 0]
[1, 0, 1]
...
接下来,为了计算原始权重a * b,我分析预测如下:[1, 1, 0] - ([1, 0, 0] + [0, 1, 0] + [0, 0, 0]).
我看到的问题是它需要大量的样本,不能解决诸如此类的子集,a^2并且它不会推广到其他非线性内核.