Machine learning 关系Fisher核实现

我在读一篇论文，其中涉及到贝叶斯逻辑程序来计算Fisher分数，然后使用SVM来获得每个数据项的类标签

---

我没有很强的机器学习背景。有人能告诉我如何实现一个端到端的关系Fisher内核，以及它需要什么样的输入吗？我找不到任何简单的一步一步显示此实现的流程。我可以为SVM等使用库（例如libsvm），但我想知道端到端的流程（用尽可能简单的语言）。非常感谢您的帮助。

libsvm

不实现关系Fisher核，但是，您可以按照本文所述计算Fisher信息矩阵，并将其用作

libsvm

的预计算核输入。请参阅：

+1指出一篇有趣且写得很好的论文。到目前为止，我已经推断出输入将以子句形式出现，就像逻辑编程一样。可以使用贝叶斯逻辑程序（如Balios等工具）推导贝叶斯N/w。诱导n/w的参数以子句的条件概率分布的形式存在（在Balios情况下使用EM推导）。然后，使用问题中提到的论文中提到的公式，可以计算梯度，然后计算核。内核可以嵌入到支持向量机（例如libsvm）中，您就完成了。有人能确认我是否在正确的轨道上吗？你可能想看看这个机器学习的SO克隆：谢谢。。。也许我会在那里碰碰运气：-@justaname我们在stackexchange网络上有一个机器学习网站：stats.stackexchange.com:（.对，这是我之前（在评论中）得出的结论）：“使用论文中提到的公式，可以计算梯度，然后计算内核。内核可以适合SVM（例如libsvm）”.谢谢你的确认。