этот вопрос касается LibSVM или SVM в целом. Интересно, можно ли классифицировать векторы признаков разной длины с помощью одной и той же модели SVM.
Допустим, мы обучаем SVM примерно с 1000 экземплярами следующего вектора признаков: [feature1 feature2 feature3 feature4 feature5]
Теперь я хочу предсказать тестовый вектор, который имеет ту же длину, что и 5. Если вероятность, которую я получаю, слишком плохая, теперь я хочу проверить первое подмножество моего тестового вектора, содержащее столбцы 2-5. Поэтому я хочу отклонить 1 функцию.
Теперь мой вопрос: можно ли сказать SVM только для проверки функций 2-5 для прогнозирования (например, с весами), или мне нужно обучать разные модели SVM. Один на 5 функций, другой на 4 функции и так далее...?
Заранее спасибо...
Маркус
