使用Tensorflow构建SVM

使用Tensorflow构建SVM

这是一个不会引发错误的SVM使用示例：

import numpyimport tensorflow as tfX = numpy.zeros([157, 128])Y = numpy.zeros([157], dtype=numpy.int32)example_id = numpy.array(['%d' % i for i in range(len(Y))])x_column_name = 'x'example_id_column_name = 'example_id'train_input_fn = tf.estimator.inputs.numpy_input_fn(    x={x_column_name: X, example_id_column_name: example_id},    y=Y,    num_epochs=None,    shuffle=True)svm = tf.contrib.learn.SVM(    example_id_column=example_id_column_name,    feature_columns=(tf.contrib.layers.real_valued_column(        column_name=x_column_name, dimension=128),),    l2_regularization=0.1)svm.fit(input_fn=train_input_fn, steps=10)

传递给SVM估计器的示例需要字符串ID。您可能可以用back代替

infer_real_valued_columns_from_input

，但是您需要给它传递一个字典，以便它为列选择正确的名称。在这种情况下，从概念上讲，仅自己构造功能列就更简单。