svm相关内容
我有一个数据集,我想根据该数据训练我的模型.训练后,我需要知道在 SVM 分类器的分类中起主要作用的特征. 森林算法有一种叫做特征重要性的东西,有没有类似的? 解决方案 是的,SVM 分类器有 coef_ 属性,但它只适用于具有 线性核 的 SVM.对于其他内核,这是不可能的,因为数据通过内核方法转换到另一个与输入空间无关的空间,请查看 说明. from matplotlib im
..
我正在尝试使用看到横幅的人的点击和转化数据来教授我的 SVM 算法.主要问题是点击量占所有数据的 0.2% 左右,因此在其中存在很大的不成比例.当我在测试阶段使用简单的 SVM 时,它总是只预测“查看"类,而从不“点击"或“转换".平均而言,它给出了 99.8% 的正确答案(因为不成比例),但如果您选中“点击"或“转化"选项,它会给出 0% 的正确预测.您如何调整 SVM 算法(或选择另一个)以考
..
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
..
我目前正在为文本文章设计推荐系统(“有趣"或“不有趣"的二元案例).我的规范之一是它应该不断更新以适应不断变化的趋势. 据我所知,最好的方法是使用支持增量/在线学习. Perceptron 和 Winnow 等算法支持在线学习,但我对支持向量机并不完全确定.scikit-learn python 库是否支持在线学习,如果支持,支持向量机是可以利用它的算法之一吗? 我显然并没有完全
..
我有一个项目,我想检测图像中的对象;我的目标是使用 HOG 功能.通过使用 OpenCV SVM 实现,我可以找到检测人的代码,并且我阅读了一些关于调整参数以检测对象而不是人的论文.不幸的是,由于一些原因我不能这样做;首先,我可能是错误地调整了参数,其次,我不是一个好的 C++ 程序员,但我必须用 C++/OpenCV 来做... 这里 你可以找到使用 C++/OpenCV 检测人的 HOG 特征
..
我正在尝试训练我自己的检测器以与 OpenCV::HOGDescriptor 一起使用,但是我无法让现有的 HOGDescriptor 与我新训练的 SVM 一起使用. 我计算了正负训练图像的 HOG 特征,标记它们并使用 CvSVM 训练 SVM.我使用的参数是: CvSVMParams 参数;params.svm_type =CvSVM::EPS_SVR;params.kernel_
..
我刚刚开始学习使用 C++ OpenCV 的 SVM,并参考了 SVM 文档 这里.我想先尝试链接中的示例源代码以熟悉它,但我无法运行示例源代码.它返回错误: 错误 1 错误 C2065:'CvSVMParams':未声明的标识符 我使用的是带有 OpenCV 3.0.0 的 Visual Studio 2012.设置过程应该是正确的,因为除此之外所有其他代码都运行良好. 解
..
我在使用 SVM 读取图像、提取用于训练的特征以及在 OpenCV 中测试新图像方面遇到困难.有人可以指点我一个很好的链接吗?我看过支持向量机的OpenCV介绍.但这对阅读图像没有帮助,我不确定如何合并它. 我的目标是对图像中的像素进行分类.这些像素将属于一条曲线.我理解形成训练矩阵(例如,图像A1,1 1,2 1,3 1,4 1,52,1 2,2 2,3 2,4 2,53,1 3,2 3,
..
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
..
我需要一个以某种方式描述的示例,展示如何对两个类别的数据集进行 10 倍 SVM 分类.MATLAB 文档中只有一个示例,但不是 10 倍.有人可以帮我吗? 解决方案 这是一个完整的示例,使用了 Bioinformatics Toolbox 中的以下函数:SVMTRAIN, SVMCLASSIFY, CLASSPERF, CROSSVALIND. load fisheriris %# 加
..
我正在使用 scikit-learn 来理解支持向量机 (SVM).我想绘制由 SVM 计算的决策边界.SVM 使用 3 个特征.所以决策边界必须在 3D 空间中绘制.这可以使用 scikit-learn 吗?我在官方网站上只能找到 SVM 决策边界的二维图.但是我在 stackoverflow 上找到了链接,这表明使用 matlab 和 r.有没有办法使用 scikit-learn 实现相同的目
..
我一直在研究用于二进制分类问题的 scikit-learn SVM.我已经计算了音频文件的特征并将它们写入了一个 CSV 文件.这是 CSV 文件中每一行的样子: "13_10 漫漫长路" "[-6.5633095666136669e-16,-1.56E-15,-3.21E-15,-2.20E-15,-2.52E-15,-3.04E-15,-3.39E-15,-3.47E-15,-3.07E-1
..
我在让 SVM 预测 0 和 1 的位置时遇到了麻烦.似乎在我训练它并给它更多数据之后,它总是想预测一个 1 或一个 0,但它会预测全 1 或全 0,而不是两者的混合.我想知道你们中是否有人能告诉我我做错了什么. 我搜索过“svm 总是预测相同的值"和类似的问题,对于我们这些机器学习新手来说,这看起来很常见.恐怕我不明白我遇到的答案. 所以我从这个开始,它或多或少是有效的: from
..
我不明白来自 Spark MLLib 算法的 SVM 分类器的输出.我想将分数转换为概率,以便获得属于某个类的数据点的概率(SVM 在该类上进行训练,也就是多类问题)(另见此线程).目前尚不清楚分数意味着什么.是到超平面的距离吗?我如何从中获得概率? 解决方案 import org.apache.spark.mllib.classification.{SVMModel, SVMWithSG
..
我正在尝试使用 sklearn 将 sveveral 文本数据分为 3 个类别.但我得到了 “属性错误:未找到下层" 运行时. 代码: train, test = train_test_split(df, random_state=42, test_size=0.3, shuffle=True)X_train = train.contentsX_test = test.cont
..
我正在使用 SVM (scikit) 训练和测试数据.我正在训练 SVM 并从中准备泡菜.然后,我使用那个泡菜来测试我的系统.首先,我分别读取变量 train_data 和 test_data 中的训练数据和测试数据. 之后,我用于训练的代码是: vectorizer = TfidfVectorizer(max_df = 0.8,sublinear_tf=真,use_idf=True)tr
..
我有一组使用 OpenCV 3.1 执行边缘检测的图像.边存储在 OpenCV 的 MAT 中.有人可以帮我处理这些图像集上的 Java SVM 训练和测试代码吗? 解决方案 根据评论中的讨论,我为您提供了一个示例项目,该项目是我不久前为 android studio 构建的.这用于根据 Lab 颜色空间对图像进行分类. //1.a 此处为 SVM 训练分配参数双 nu = 0.999D
..
我正在尝试集成分类器随机森林、SVM 和 KNN.在这里,我将 VotingClassifier 与 GridSearchCV 结合使用.如果我尝试使用逻辑回归、随机森林和高斯,代码运行良好 clf11 = LogisticRegression(random_state=1)clf12 = RandomForestClassifier(random_state=1)clf13 = Gaussia
..