Пример данных с различными размерами в SVM

Question

Я планирую оценить эффективность съемки с помощью SVM. Каждый человек стреляет от 3 до 10 раз. Для каждого времени стрельбы я могу получить скорость ветра, стрельбу, расстояние, и я расскажу SVM, если этот человек имеет право на стрельбу. Я надеюсь, что все эти данные будут переданы в SVM, и после обучения пусть SVM сможет судить, обладает ли человек навыком стрельбы со своей стрельбой.

Проблема заключается в том, что для каждого человека время съемки различно, от 3 до 10 раз, что означает, что для каждой строки выборочных данных в SVM разные измерения.

Теперь я планирую использовать размеры 10 * 3 для данных каждого человека (данные одной строки для одного человека), если его время съемки меньше 10, я заполню все пробелы -1.

Работает ли заполнение пустых измерений с помощью -1?

Answer 1

SVMs, похоже, не очень хороший подход. Проблема в том, что ваши показов зависят от скорости ветра и расстояния. Это означает, что эти значения являются входными значениями (и должны быть из-за того, что точность съемки сильно зависит от ветра, кому-то повезет с ветром и получить оценки выше среднего), с которым обучается ваш SVM. Но это также означает, что эти входы необходимы во время прогнозирования. Итак, как вы хотите оценить квалификацию по стрельбе. Вы могли оценить только квалификацию, связанную с стрельбой, зависящую от ветра и ко.

Конечно, вы можете прогнозировать со всеми наблюдаемыми значениями ветра и расстояния и смешать ваши результаты, но это может быть неэффективным, и вы также захотите получить вероятности из SMV, что является еще одной вещью, которая довольно сложна (поддерживается многими libs, но вероятности из SVM не так точны).

Если вы хотите, чтобы справиться с ней, как этот, то вы тренировались с образцами вида:

• образец 0: [shooter_id, ветер, расстояние, 1] # 1 = хит
• образец 1: [shooter_id, wind, distance, 0] # 0 = miss

Это означает, что каждый выстрел является одним образцом! SVM будет прогнозировать попадание/промах для заданных входных переменных или вероятностей, если вы включили их.

Теоретически, вся эта проблема заключается в моделировании ковариации, которая вводится переменными ветра & Расстояние, чтобы нормализовать точность стрельбы по экологическим факторам.

Answer 2

Хорошо, позвольте мне более подробно описать мою проблему. Мне нужен только судья SVM. Если стрелок квалифицирован по его стрельбе. Сначала я кормить данные SVM как это:

sample 0 :[score1, score2, score3] # 1 = qualified shooter. 
sample 1:[score1, score2, score3, score4, score5] # 0 = unqualified. 
sample 2: [score1, score2, score3, score4, score5, score6] # 1 = qualified. 

Со времен съемки отличается для каждого стрелка, так что размер каждого образца отличается. Могу ли я отформатировать все образцы до 10 размеров, как это ?:

sample 0 : [score1, score2, score3, -1, -1, -1, -1, -1, -1, -1] # 1 = qualified. 
sample 1 : [score1, score2, score3, score4, score5, -1, -1, -1, -1, -1] # 0 = unqualified 

На этот раз я игнорирую данные о скорости ветра и disctance потому, что не имеет ничего общего с моим вопросом, на мой вопрос о размерах. Все образцы имеют разные размеры (от 3 до 10). Могу ли я отформатировать все образцы до 10 измерений и заполнить пробелы -1?