我希望将scikit-learn的SVM与卡方核一起使用，如图所示。在这个场景中，内核在直方图上，这就是我的数据所表示的。然而，我找不到与直方图一起使用的例子。做这件事的正确方法是什么？
将直方图视为向量，其中向量中的每个元素都对应于直方图的一个bin，这是正确的方法吗？
提前感谢
这里有一个使用近似特征图的示例。它是针对RBF内核的，但它的工作原理是一样的。
上面的例子使用了"管道"，但您也可以在将数据交给线性分类器之前将转换应用于数据，因为AdditiveChi2Sampler实际上并没有以任何方式将fit应用于数据。
请记住，这只是内核映射的近似值（我发现它运行得很好），如果你想使用确切的内核，你应该使用ogrisel的anwser。
sklearn.svm.SVC以两种方式接受自定义内核：
- 作为
kernel参数传递给构造函数的任意python函数 - 预计算的内核矩阵作为第一个参数传递给构造函数中的
fit和kernel=precomputed
前者可能慢得多，但不需要预先分配整个核矩阵（这对于大的n_samples来说可能是禁止的）。
有关自定义内核的文档中有更多详细信息和示例链接。