Могу ли я использовать SVM для сопоставления сходства
Предположим, что у меня есть два вектора признаков, извлеченные из двух выборок с помощью некоторых методов, и я хочу сравнить эти два вектора признаков, чтобы предсказать, происходят ли они из одного класса или из разных классов. Могу ли я использовать SVM для этой цели? Насколько я понимаю, SVM используется для приема одного входного сигнала (теперь у меня есть два) и предсказания, принадлежит ли он к одному конкретному классу или нет. Я не знаю, как использовать его для измерения сходства.
Простые методы, такие как косинусное расстояние или Евклидовы расстояния были проверены, и производительность была плохой. Поэтому я просто хочу попробовать некоторые методы обучения, такие как SVM, NN или другие, если у вас есть какие-либо предложения. Спасибо!
1 ответ:
Да, они могут-вы описываете новую проблему классификации. Ваши входные данные теперь просто вдвое больше, чем раньше (два вектора пространственных объектов сцеплены вместе), и метки классов "одинаковы" и "не одинаковы".
Ie: ваши векторы признаков могли быть [a, b] и [x, y] для двух разных входных данных, и теперь у вас есть один вектор признаков [a, b, x, y]. Обратите внимание, что вы также можете тренироваться на парах, таких как [x, y, a, b], так как в любом случае должна получиться правильная классификация.
Ты можно также посмотреть на различные способы создания ваших функций, есть несколько вариантов. Есть и другие способы формулировки проблемы.