我已经使用 LIBSVM 应用了 SVM。现在我想实现特征选择的遗传算法。试图谷歌搜索一些信息
1）看到这个网站：http ://www.scribd.com/doc/31235552/Genetic-Algorithm-Implementation-Using-Matlab
2) MATLAB 中的 GA 示例：http: //www.mathworks.com/help/toolbox/gads/f6691.html
对他们有几个问题
Q1) [x fval] = ga(@fitnessfun, nvars, options)。这是做gassolver的功能。健身应该是什么？在大多数 ga 中，它是一个多项式函数。但在 SVM 的情况下，fitnessfun 应该是什么？
Q2）SVM之后的GA有什么具体的例子吗？
喜欢听一些反馈。
提前致谢。
如果你想做特征选择，我认为你倒退了。您应该在训练 SVM之前运行 GA 进行特征选择。您的适应度函数可能会成为新训练的 SVM 在选定特征上的性能，这取决于您想要完成什么。不能说你对这个话题很清楚。
要回答您的第二条评论：
有很多部分，我不知道你正在使用这个 ga 函数，但是如果你看一下文档，他们必须在某个地方告诉你这个 Fitnessfun 应该期待什么参数。我猜你想要评估适合度的个体是这个函数的主要参数。如果您进化选择的特征，这个个体将是一个布尔变量数组，其中 true 表示选择的特征，false 表示未选择的特征。该适应度函数需要返回一个指示该特征选择的效果如何的指标，即它必须返回较大的数字以获得更好的选择，而返回较小的数字则表示最差的选择。预测准确度可能是一个很好的值（正确预测数除以样本总数）。
我将假设您知道如何计算给定数据集及其标签的 SVM 模型的预测准确度。由于您有一个预训练的 SVM，因此仅将其用于选定的功能可能有点棘手，并且它在很大程度上取决于您的 SVM 的实现。如果它是线性 SVM，您可以在数据矩阵中将未选择特征的值设置为零。但是，如果它是一个 RBF SVM 将无法工作。您将需要了解您所依赖的 SVM 实现的内部机制。我建议做一个简单的例子，你在 3d 数据上训练一个 SVM，然后让它适应 2d 数据。它很大程度上取决于您的 SVM 模型的实现。