この問題では、線形分類器のトレーニング中に、選択した特徴の重みを正則化する必要があります。私はpython SKlearnを使用しています。
SKlearn に分類子の非対称正則化を組み込むことについて多くのことをグーグルで検索しましたが、解決策が見つかりませんでした。このタスクを実行するコア ライブラリ関数は Windows 用の DLL として提供されるため、既存のライブラリを変更することはできません。
この種の柔軟性を備えた Python 用の機械学習ライブラリはありますか? あらゆる種類の助けをいただければ幸いです。
ライブラリを変更するには、ソースをダウンロードする必要があります (例: プロジェクトの github リポジトリから: https://github.com/scikit-learn/scikit-learn )。次に、ビルド要件をインストールします (例: C/C++ コンパイラあなたのプラットフォーム）。
Windows 用のビルド手順は次のとおりです。
持っているデータの量と使用したい分類器によっては、損失を実装してから lbfgs や newton などの標準的なソルバーを使用するか、データが多い場合は確率的勾配降下を行う方が簡単な場合があります。
単純なカスタム ソルバーを使用すると、scikit-learn コードを使用するよりもはるかに遅くなる可能性が高くなりますが、記述もはるかに簡単になります。特に、たとえばロジスティック回帰を行っている場合は、LibLinear C コードを掘り下げる必要があります。一方、最適化されていない方法でlbfgsを使用して、〜10行のpythonで実装できると確信しています。