svm相关内容
我有以下( fig 1 ) unlabeled 训练集,我正在尝试检测离群值,并提出了用和1:outlier,并希望通过SVM进行培训. 我按照此指令来训练SVM模型,但是当我尝试predict我训练了SVM的相同数据标签,它无法预测任何数据(图2 )! 图1:训练后的支持向量 图2:基于已训练的相同数据对SVM模型的预测 预测的输出不应看起来像这样! 我用于预测的代码是:
..
我目前正在做一个有关多模式生物特征识别(分数水平融合)的项目.所以我需要在融合之前得到分数. 谁能告诉我如何使用训练有素的SVM分类器获得特定测试样本的分数? 我已经在MATLAB中使用了内置的svmtrain和svmclassify函数. 解决方案 不幸的是,svmclassify函数仅输出该类的标签,而不会输出距离(分数).您将必须编写自己的分类函数.幸运的是,这非常简单:当您拥
..
我曾经创建循环来为模型寻找最佳参数,这增加了我在编码中的错误,因此我决定使用GridSearchCV. 我正在尝试为我的模型找出PCA的最佳参数(我要在其上进行网格搜索的唯一参数). 在此模型中,归一化后,我想将原始特征与PCA简化特征结合起来,然后应用线性SVM. 然后,我保存整个模型以预测我的输入. 我在尝试拟合数据的行中出现错误,因此可以使用best_estimator_和bes
..
目的 我试图通过plot可视化SVMLinear分类模型.我正在使用kernlab软件包中提供的示例代码和数据,注意到caret实际上是通过ksvm函数训练svm的(此处指的是src代码( 问题 当我绘制插入符号模型对象的最终模型时,它没有产生图形.而我 我尝试了三种方法后没有找到出路. 代码 require(caret) require(kernlab) # =====
..
我正在开发一种新算法,该算法会生成用于使用SVM进行训练的修改后的内核矩阵,但遇到了一个奇怪的问题. 出于测试目的,我比较了使用kernelMatrix接口和普通内核接口学习的SVM模型.例如, # Model with kernelMatrix computation within ksvm svp1
..
紧随在R中使用ksvm的大型支持向量机的无效概率模型: 我正在使用R中的kernlab软件包中的ksvm来训练SVM.我想使用概率模型,但是在进行S型拟合时,会出现以下错误消息: line search fails -1.833726 0.5772808 5.844462e-05 5.839508e-05 -1.795008e-08 -1.794263e-08 -2.096847e-
..
我正在测试使用hyperopt库调整SVM的参数. 通常,当我执行此代码时,进度条停止并且代码被卡住. 我不明白为什么. 这是我的代码: from hyperopt import fmin, tpe, hp, STATUS_OK, Trials X_train = normalize(X_train) def hyperopt_train_test(params): if
..
我在sklearn中使用NuSVC类.尝试实例化NuSVC对象后,如下所示: self.classifier = OneVsRestClassifier(NuSVC()) 我发现我反复收到“指定的nu是不可行的"错误.我尝试将'nu'参数从0.1一直更改为1(以0.1为增量),但是我仍然遇到相同的错误.我真的不确定如何解释此消息,以及如何解决它?我认为,如果将nu设置为1,那将是可行的,
..
我正在使用SKLearn在数据上运行SVC. from sklearn import svm svc = svm.SVC(kernel='linear', C=C).fit(X, y) 我想知道如何从决策边界获得X中每个数据点的距离? 解决方案 对于线性核,决策边界为y = w * x + b,从点x到决策边界的距离为y/|| w || y = svc.decision_
..
我正在尝试在scikit中训练SVM.我正在跟踪该示例,并尝试将其调整为我的3d特征向量. 我从 http://scikit-learn.org/stable/modules/页面尝试了该示例svm.html 它跑了过去.修正错误时,我回到了教程设置中,发现了这一点: X = [[0, 0], [1, 1],[2,2]] y = [0, 1,1] clf = svm.SVC() clf.fi
..
我正在尝试使用CVXOPT qp解算器来计算支持向量机的拉格朗日乘数 def svm( X,Y,c): m = len(X) P =矩阵(np.dot(Y,YT)* np.dot(X,XT)) q =矩阵(np .ones(m)* -1) g1 = np.asarray(np.diag(np.ones(m)* -1)) g2 = np.asarray(np.diag(np。个(m))
..
我正在使用scikit-learn了解支持向量机(SVM)。我想绘制由SVM计算的决策边界。 SVM使用3个功能。因此,决策边界必须在3D空间中绘制。可以使用scikit-learn吗? 我只能在官方网站上找到SVM决策边界的二维图。 但是我发现stackoverflow上的链接表明使用 matlab 和 r 。有没有一种方法可以使用scikit-learn实现相同目的? 解决方案 您
..
当前,我已经使用def函数成功定义了一个自定义内核函数(预先计算内核矩阵),现在我正在使用GridSearchCV函数来获取最佳参数. 因此,在自定义内核功能中,总共有2个参数将被调整(在下面的示例中为gamm和sea_gamma),对于SVR模型,还有 cost c 参数也必须调整.但是到目前为止,我只能使用GridSearchCV->调整 cost c 参数,请参考下面的第一部分:示例.
..
我目前正在研究支持向量机(SVM)项目.我正在使用的SVM版本是原始形式的线性SVM ,很难理解从哪里开始. 总的来说,我认为我理解理论.基本上,我需要在一定约束下最小化w的范数.拉格朗日函数将是我要最小化的目标函数(应用拉格朗日乘数后). 我不了解的是,我的教授告诉我,我们将同时使用准牛顿法和BFGS更新.我已经尝试了牛顿法的2D和3D情况,并且我对算法有很好的掌握,但是我看不到如何
..
我的目标是使用SVM和HOG功能在SUV和轿车之间进行分类. 首先,我阅读86幅训练图像,为每个图像计算HOG功能,然后将它们放在大小为86xdescriptorSize的训练垫中,称为HOGFeat_train. Mat HOGFeat_train(num_train_images, derSize, CV_32FC1); //86xdescriptor size training
..
这是openCV SVM的新功能.我在Xcode 7.0,openCV 3.0中运行,下面是我的代码 MatMat labels(0,1,CV_32FC1); //Mat labels(0,1,CV_32S); //I also try this when i saw some posting, But error too. ... Mat samples_32f; samples.con
..
对OpenCV SVM的推荐参数有任何想法吗?我正在使用OpenCV示例目录中的letter_recog.cpp,但是SVM的准确性非常差!一次运行中,我的准确率只有62%: $ ./letter_recog_modified -data /home/cobalt/opencv/samples/data/letter-recognition.data -save svm_letter_re
..
我正在用opencv和HOGDescriptor c ++对象试验人检测器: HOGDescriptor :: getDefaultPeopleDetector().使用Opencv 2.4.3存储库的sample/cpp目录中的示例程序peopledetect.cpp并针对某些现在,即使我尝试更改参数,我也想尝试一些我必须使用的图像.. 我想是因为图像中的行人比INRIA小得多.因此,最好
..
我的项目范围是通过比较样本图像特征集来识别纸币.在那里,我已经完成了样本图像的特征提取部分.此外,我需要将样本图像功能存储在文本文件或XML文件中,并对其进行分类. 请帮助我通过在OpenCv上使用SVM分类器来进行图像分类. 这是我已经完成的特征提取代码. int main(intargc,char ** argv) { /将图像加载为灰度/ //declaring Mat o
..
因此,我已经按照本指南培训了自己的行人HOG检测器. https://github.com/DaHoC/trainHOG/wiki/trainHOG-Tutorial 成功生成了4个文件. cvHOGClassifier.yaml descriptorvector.dat features.dat svmlightmodel.dat 有人知道如何将描述符vector.dat
..