libsvm相关内容
我想在 MATLAB 中使用 LibSVM 进行一类分类. 我想训练数据并使用交叉验证,但我不知道如何标记异常值. 例如,如果我有这些数据: trainData = [1,1,1;1,1,2;1,1,1.5;1,1.5,1;20,2,3;2,20,2;2,20,5;20,2,2];labelTrainData = [-1 -1 -1 -1 0 0 0 0]; (前四个是1类的例子,
..
我正在使用 libSVM.假设我的特征值采用以下格式: instance1 : f11, f12, f13, f14实例2:f21、f22、f23、f24实例3:f31、f32、f33、f34实例4:f41、f42、f43、f44.........................................实例N:fN1、fN2、fN3、fN4 我认为有两种缩放可以应用. 缩放每个
..
我使用 libsvm 进行多类分类.我如何附加分类分数,以比较分类的置信度,与给定样本的输出为: Class 1: score1第 2 类:分数 2第 3 类:分数 3第 4 类:分数 4 解决方案 您可以首先使用一种与全部方法,并通过在 libSVM 中设置决策值选项将它们视为 2class 分类.这是通过将每个类作为正类,将类的其余部分作为每个分类的负类来实现的. 然后比较结果的决
..
我的目的是根据特定类别的每个样本的排序概率绘制 PR 曲线.但是,我发现当我使用两个不同的标准数据集时,svm 的 predict_proba() 获得的概率有两种不同的行为:虹膜和数字. 第一种情况是用“iris"情况和下面的python代码进行评估的,它的工作原理是类获得最高概率. D = datasets.load_iris()clf = SVC(kernel=chi2_kernel
..
我正在处理高度不平衡的数据集,我的想法是从我的 libSVM 模型中获取特征权重的值.至于现在我对线性内核没问题,在那里我可以获得特征权重,但是当我使用 rbf 或 poly 时,我无法达到我的目标. 这里我使用 sklearn 作为我的模型,使用 .coef_ 很容易获得线性核的特征权重.谁能帮我为 rbf 或 poly 做同样的事情?到目前为止,我尝试做的事情如下: svr = SVC(C
..
我有一个 LIBSVM 缩放模型(使用 svm-scale 生成),我想将其移植到 PySpark.我天真地尝试了以下内容: scaler_path = "模型路径"a = MinMaxScaler().load(scaler_path) 但是我抛出了一个错误,需要一个元数据目录: Py4JJavaErrorTraceback(最近一次调用)
..
我正在使用 LibSVM 对一些文档进行分类.如最终结果所示,这些文件似乎有点难以分类.但是,我在训练模型时注意到了一些事情.那就是:如果我的训练集是例如 1000 个,大约 800 个被选为支持向量.我到处找找这是好事还是坏事.我的意思是支持向量的数量和分类器的性能之间有关系吗?我已阅读此上一篇文章 但我正在执行参数选择,而且我确信特征向量中的属性都是有序的.我只需要知道这种关系.谢谢.ps:我
..
我知道 LIBSVM 在涉及多类 SVM 时只允许一对一分类.但是,我想稍微调整一下以执行一对一分类.我试图在下面进行一对一的比赛.这是正确的方法吗? 代码: TrainLabel;TrainVec;TestVec;TestLaBel;u=唯一(火车标签);N=长度(u);如果(N>2)tr=1;班级=0;while((classes~=1)&&(itr
..
我正在使用 libSVM.假设我的特征值采用以下格式: instance1 : f11, f12, f13, f14实例2:f21、f22、f23、f24实例3:f31、f32、f33、f34实例4:f41、f42、f43、f44……………………………………………………………………………………………………………………………………………………………………实例N : fN1, fN2, fN3,
..
我阅读了这个主题 关于scikit-learn中SVC()和LinearSVC()的区别. 现在我有一个二分类问题的数据集(对于这样的问题,两个函数之间的一对一/一对休息策略差异可以忽略.) 我想尝试在什么参数下这两个函数会给我相同的结果.首先,当然,我们应该为 SVC() 设置 kernel='linear'但是,我无法从两个函数中获得相同的结果.我无法从文档中找到答案,有人可以帮我
..
我想在我的一对一中进行 10 倍交叉验证 支持向量机 MATLAB 中的分类. 我试图以某种方式混合这两个相关的答案: libsvm 中的多类分类 MATLAB 中的 10 折 SVM 分类示例 但由于我是 MATLAB 及其语法的新手,所以直到现在我才设法让它工作. 另一方面,我在LibSVM README 文件,我在那里找不到任何相关示例: option -v
..
我目前正在使用不同的图像描述符对图像进行分类.由于他们有自己的指标,我使用的是预先计算的内核.因此,鉴于这些 NxN 内核矩阵(总共 N 个图像),我想训练和测试 SVM.不过,我在使用 SVM 方面并不是很有经验. 让我困惑的是如何输入训练的输入.使用内核 MxM 的子集(M 是训练图像的数量),训练具有 M 个特征的 SVM.但是,如果我理解正确,这会限制我使用具有相似数量特征的测试数据
..
我知道交叉验证用于选择好的参数.找到它们后,我需要在没有 -v 选项的情况下重新训练整个数据. 但我面临的问题是,在我使用 -v 选项进行训练后,我获得了交叉验证准确率(例如 85%).没有模型,我看不到 C 和 gamma 的值.在这种情况下,我该如何重新训练? 顺便说一句,我应用了 10 折交叉验证.例如 优化完成,#iter = 138nu = 0.612233obj = -9
..
我想制作libsvm格式,所以我将dataframe制作成想要的格式,但是我不知道如何转换为libsvm格式.格式如图所示.我希望所需的 libsvm 类型是 user item:rating .如果您知道在当前情况下该怎么做: val ratings = sc.textFile(new File("/user/ubuntu/kang/0829/rawRatings.csv").toString
..
我有一个数据集,它是一些嵌套映射的形式,它的 Scala 类型是: Map[String, (LabelType,Map[Int, Double])] 第一个 String 键是每个样本的唯一标识符,值是包含标签(-1 或 1)的元组,以及作为稀疏表示的嵌套映射与样本相关联的非零元素. 我想将此数据加载到 Spark(使用 MUtil)并训练和测试一些机器学习算法. 使用LibSV
..
我是学习 Spark MLlib 的新手.当我阅读二项式逻辑回归的例子时,我不明白“libsvm"的格式类型.(二项逻辑回归) 文本看起来像: 0 128:51 129:159 130:253 131:159 132:50 155:48 156:238 157:252 158:252 159:252 160:237:153:82:252 186:239 187:233 188:252 18
..
我想制作libsvm格式,所以我将dataframe制作成想要的格式,但是我不知道如何转换为libsvm格式.格式如图所示.我希望所需的 libsvm 类型是 user item:rating .如果您知道在当前情况下该怎么做: val ratings = sc.textFile(new File("/user/ubuntu/kang/0829/rawRatings.csv").toString
..
我正在尝试使用 LibSVM 的Matlab界面训练SVM a>,但出现以下错误 模型= svmtrain(Classes(train),Attributes(train,:),'-s 0 -t 2');???使用==>时出错172 组的 svmtrain 必须是向量. 另请参阅此处的评论:在matlab中支持矢量机 解决方案 问题是,Matlab正在使用其拥有自己的SVM实现,该实
..
我正在使用 Libsvm 进行异常检测(来自Java),但我不仅需要标签,还需要概率估计.我跟踪了代码,发现这是不可能的.特别是在函数svm_predict_values(..)中,我看到以下代码: if(model.param.svm_type == svm_parameter.ONE_CLASS)返回(sum> 0)?1:-1;别的返回总和 我了解到,一类SVM会在给定来自“正常"类的
..
我对SVM理论不是很熟悉,并且在python中使用了这个LinearSVC类: http://scikit-Learn.org/stable/modules/generated/sklearn.svm.LinearSVC.html#sklearn.svm.LinearSVC 我想知道惩罚和损失参数之间有什么区别? 解决方案 在机器学习中,损失函数衡量解决方案的质量,而惩罚函数则
..